Predicción de viabilidad empresarial

UNIVERSIDAD DE MÁLAGA FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES PREDICCIÓN DE VIABILIDAD EMPRESARIAL Doctorando: Daniel Pastor Vega Tesis Doctoral Dirigida por: Dr. Manuel Ángel Fernández Gámez Dr. Julio Diéguez Soto MAYO DE 2015 AUTOR: Daniel Pastor Vega EDITA: Publicaciones y Divulgación Científica. Universidad de Málaga Esta obra está sujeta a una licencia Creative Commons: Reconocimiento - No comercial - SinObraDerivada (cc-by-nc-nd): Http://creativecommons.org/licences/by-nc-nd/3.0/es Cualquier parte de esta obra se puede reproducir sin autorización pero con el reconocimiento y atribución de los autores. No se puede hacer uso comercial de la obra y no se puede alterar, transformar o hacer obras derivadas. Esta Tesis Doctoral está depositada en el Repositorio Institucional de la Universidad de Málaga (RIUMA): riuma.uma.es Predicción de viabilidad empresarial 4 5 MANUEL ÁNGEL FERNÁNDEZ GÁMEZ y JULIO DIÉGUEZ SOTO, Profesores Titulares de Universidad del Departamento de Finanzas y Contabilidad de la Universidad de Málaga. Certificamos: Que bajo nuestra dirección, Dº. Daniel Pastor Vega, licenciado en Ciencias Económicas y Empresariales (sección: Empresariales) y licenciado en Derecho, ha realizado el trabajo de investigación correspondiente a su tesis doctoral titulada: “PREDICCIÓN DE VIABILIDAD EMPRESARIAL” Revisado el mismo, estimamos que puede ser presentado al Tribunal que ha de juzgarla. Y para que conste a efectos de lo establecido en la Normativa vigente, autorizamos la presentación de esta Tesis en la Universidad de Málaga. Málaga a 18 de Mayo de 2015. Fdo. Manuel Ángel Fernández Gámez Fdo. Julio Diéguez Soto Predicción de viabilidad empresarial 6 7 “La inspiración existe pero te tiene que encontrar trabajando”. Pablo Ruiz Picasso Predicción de viabilidad empresarial 8 9 Quisiera dar las gracias a mis directores de tesis, D. Manuel Ángel Fernández Gámez y D. Julio Diéguez Soto, por su apoyo, ánimo, paciencia, dedicación y orientación, que han motivado mi entusiasmo y aprendizaje en la investigación sobre la solvencia, tarea que me apasiona. Sus consejos y las propias doctrinas que predica el Departamento de Finanzas y Contabilidad de la Universidad de Málaga, me han servido de guía en el camino a seguir, con la serenidad que consigue transmitirte el conocimiento y la experiencia. También quisiera mostrar mi gratitud a D. Ezequiel López Rubio, Profesor Titular del Departamento de Lenguajes y Ciencias de la Computación de la Escuela Técnica Superior de Ingeniería Informática, que consiguió con sus notas, esquemas y aclaraciones, introducirme en el complejo mundo de las Redes Neuronales. A D. Antonio Fuentes Bujalance y a D. José María Casasola Díaz, Magistrado Titular y Secretario Judicial, respectivamente, del Juzgado de lo Mercantil nº1 de los de Málaga, por su colaboración en la recogida de información sobre empresas concursadas, sin la cual no hubiera sido posible la realización de este trabajo. A mi compañero D. Sergio Fernández Miguélez, Gerente de Investigación, Desarrollo e Innovación de la Cátedra de Viabilidad Empresarial de la Universidad de Málaga, por su entusiasmo, dedicación y colaboración tanto en la parte empírica de la tesis como en la maquetación de la misma. Quisiera hacer también extensiva mi gratitud a todos los miembros del Departamento de Finanzas y Contabilidad de la Universidad de Málaga, a los de la Cátedra de Viabilidad Empresarial y a los de Daniel Pastor & Asociados. Predicción de viabilidad empresarial 16 - Bibliografía capítulo 4 .................................. 251 • DISCUSIÓN DE RESULTADOS ................... 255 • CONCLUSIONES ....................................... 263 • BIBLIOGRAFÍA GENERAL ......................... 273 • ANEXOS .................................................. 303 17 INTRODUCCIÓN Predicción de viabilidad empresarial 18 Introducción 19 En la literatura previa existen numerosos trabajos de investigación que se han realizado para construir modelos de predicción de insolvencia empresarial basados en diferentes métodos (Dimitras et al., 1996; Bellovary et al., 2007). El principal objetivo de estos modelos de predicción ha sido diferenciar a las empresas con alta probabilidad de insolvencia futura de aquellas otras empresas que no lo presentan. También, la predicción de tres categorías de solvencia. En este caso discriminando entre empresas solventes, empresas en dificultades financieras y empresas en quiebra (Altman, 1977; Godlewski, 2006; Altman et al., 1994; Alfaro, Gámez y García, 2007). En el progreso de la investigación sobre predicción de insolvencia puede comprobarse la existencia de numerosos métodos y técnicas de análisis que han obtenidos resultados muy satisfactorios. La variedad de modelos es amplia y abarca desde el análisis individual de variables a la predicción multivariable, desde métodos estadísticos tradicionales a métodos de máquinas de aprendizaje basadas en inteligencia artificial, y desde la utilización inicial de clasificadores individuales puros hasta la reciente puesta en práctica de clasificadores híbridos. No obstante lo anterior, no existe investigación empírica que haya abordado las posibles categorías de las empresas en situación legal de insolvencia, y por tanto, no se ha modelizado el comportamiento de empresas que, tras entrar en concurso de acreedores, bien superan el procedimiento consiguiendo su viabilidad mediante un acuerdo de convenio con acreedores, o bien ponen fin a su actividad por no ser viables y encontrase abocadas a su liquidación. Predicción de viabilidad empresarial 20 Habiéndose detectado este gap en la literatura, el objetivo de la presente investigación es aportar conocimiento sobre las posibilidades que posee una empresa, en caso de situación legal de insolvencia, de conseguir ser viable. Se trata, pues, de resolver un problema de clasificación múltiple donde las categorías a predecir son tres: Una primera para empresas solventes. Otra segunda para empresas que en caso de incurrir en un proceso concursal tengan capacidad para su continuidad mediante acuerdos de convenio con acreedores. Y, finalmente, una tercera categoría en la que se incluye empresas que tras soportar un proceso concursal no poseen capacidad para garantizar su viabilidad y, por tanto, son liquidadas. Para resolver esta cuestión de investigación se ha dispuesto de información financiera y corporativa de una muestra totalmente inédita de 246 empresas mercantiles españolas de carácter económico correspondiente al período 2006-2013, obtenida con la colaboración del Juzgado de lo Mercantil nº1 de los de Málaga. A la misma se han aplicado técnicas de clasificación multiclase, concretamente el Clasificador Bayesiano Ingenuo, los Árboles de Decisión y el Análisis Discriminante Múltiple, todos ellos con carácter híbrido, pues han sido desarrollados con asistencia de algoritmos computacionales. Los modelos propuestos en el presente trabajo pueden ser especialmente útiles porque permitirían una mejor valoración de empresas solventes, reforzando este concepto al incluir entre las mismas a las que, en caso de dificultades financieras, tendrían capacidad para lograr convenios con los acreedores y garantizar su viabilidad. Además, y para el análisis de empresas insolventes, el problema de Introducción 21 multiclasificación propuesto conseguiría reducir el sesgo de predicción, al eliminar de las mismas aquéllas que poseen una estructura capaz de gestionar con éxito problemas de iliquidez. Si, por el contrario, no se contemplan estas posibilidades, se incurre en una visión reducida de la insolvencia que puede inducir a errores de especificación en la muestra, dada la existencia de empresas que pueden experimentar situaciones de insolvencia, habiendo solicitado la apertura de un proceso concursal, y posteriormente consiguen ser viables mediante el cumplimiento del convenio con sus acreedores. En definitiva, los modelos propuestos en la presente investigación permitirán otorgar un tratamiento particular y diferenciado a cada empresa, desde el mismo momento de la declaración legal de insolvencia, por lo que sin duda, su aplicación aumentaría la eficiencia de los procesos concursales y por ende, de la economía en general. Conforme a lo anteriormente expuesto, la presente tesis doctoral tiene la siguiente estructura: en el capítulo 1 se realiza un análisis de la regulación internacional de situaciones de insolvencia empresarial en Alemania, Francia, Italia, Reino Unido y Estados Unidos. Y a continuación un estudio detallado de la legislación española en materia concursal, haciendo especial mención a los aspectos relacionados con el objeto de la investigación, tales como el sistema de convenio y la liquidación. Por último, el capítulo 1 concluye con un análisis de la evolución estadística de los concursos de acreedores acaecidos en España en el período de estudio. En el capítulo 2 se realiza un análisis pormenorizado de los estudios previos sobre predicción de insolvencia y sobre legislación concursal, estableciendo una clasificación de los Predicción de viabilidad empresarial 22 mismos y formulando las hipótesis de la presente investigación. El capítulo 3, por su parte, queda dedicado a una revisión teórica de las técnicas de clasificación multiclase que serán aplicadas en el presente trabajo, estableciéndose las ventajas y desventajas de cada una de ellas y la elección de los métodos más robustos. Por último, en el capítulo 4, se desarrolla la parte empírica de esta investigación, comenzando por la determinación de las variables utilizadas como predictoras de la insolvencia de las empresas. Posteriormente, se indica cómo se ha recopilado la información financiera y corporativa necesaria para la construcción de la base de datos. Este capítulo concluye con el desarrollo de nuevos modelos de predicción de insolvencia multiclase, utilizando para ello información correspondiente a 1, 2 y 3 años antes de que la insolvencia se produzca. Finaliza el estudio ofreciendo una discusión de resultados, las principales conclusiones obtenidas y la bibliografía utilizada. 23 PARTE I INVESTIGACIÓN DOCUMENTAL Y LITERATURA PREVIA Predicción de viabilidad empresarial 24 25 CAPÍTULO 1 LA REGULACIÓN DE LA INSOLVENCIA Y LOS CONCURSOS DE ACREEDORES EN ESPAÑA Predicción de viabilidad empresarial 32 “United States Bankrupcy Code”. La clasificación de acreedores se hace en grupos, en orden a fijar en las modificaciones que habrán de aprobarse en su posición jurídica. Se ordena distinguir entre tres grupos: primeramente los acreedores con privilegio especial (cuando a través del convenio hayan de resultar afectados), seguidos de los acreedores concursales que no sean subordinados y, por último, cada una de las categorías de acreedores subordinados, siempre que sus créditos no hayan de considerarse condonados (Art. 222 InsO). Para la aceptación del convenio, es preciso que cada grupo cumpla los siguientes requisitos (Art. 243 InsO): que obtenga la mayoría de los votos emitidos por los acreedores, que la suma de los créditos de los votos emitidos a favor sea superior a la mitad de los derechos totales de crédito de los acreedores que hayan votado, y que obtenga el voto favorable de cada grupo con mayoría de votos y de crédito. La satisfacción de los acreedores a la que se orienta la legislación alemana puede conseguirse, sin preferencia alguna, por medio de la liquidación o convenio. A los deudores honestos les será concedida la oportunidad de exonerarse del pasivo insatisfecho. No hay mención a otros principios que aparecen en leyes de otros países, como el salvamento de los puestos de trabajo o el fomento de las empresas. La finalización de las operaciones liquidatorias y el último reparto de la masa activa entre los acreedores vienen rodeados de formalidades en el derecho alemán (Art. 196 y ss. InsO). Así, el último reparto de pagos es aprobado judicialmente y el Tribunal de la insolvencia convoca la última Capítulo 1: La regulación de la insolvencia y los concursos de acreedores 33 reunión de la junta de acreedores. En esta junta, que se celebra como mínimo en el plazo de un mes y como máximo en el de dos meses a contar desde la publicidad de la convocatoria, la administración concursal rinde cuentas, se formulan protestas contra dicha rendición y los acreedores pueden decidir sobre el destino de aquellos bienes que sean difícilmente realizables. Un hecho que ha adquirido mucha importancia en las últimas décadas en los procesos concursales alemanes es el denominado “venta de la unidad productiva con fines de saneamiento” (Art. 252.1.2 del Código de Comercio Alemán y Art. 158 InsO). La idea es distinguir entre la empresa y el sujeto de derecho titular de la misma. Esta operación puede articularse de distintos modos e incluye, por ejemplo, la creación de una sociedad nueva por el administrador concursal con los elementos del activo de la concursada, que permiten la continuidad de la explotación y la posterior transmisión del capital de dicha sociedad a un tercero. Esta venta se distingue de la venta de participaciones en el capital de la deudora, que en un principio no está sujeta a restricciones al formar éstas parte del patrimonio de los socios, a los que el procedimiento concursal no les afecta. A la hora de valorar las posibles ofertas, el criterio que debe orientar la decisión es obtener siempre la máxima satisfacción de los acreedores. No existe la posibilidad de que el acreedor privilegiado sea forzado en el procedimiento a aceptar una liquidación de su crédito inferior a su garantía. Predicción de viabilidad empresarial 34 1.1.2 Francia. Actualmente, un grueso conjunto de normas mercantiles regulan los casos de insolvencia empresarial en Francia, entre ellas, la Ley 2005-845 sobre “Sauvegarde des entreprises”, la Ordenanza 2008-1345 de “Reforma de empresas en crisis”, y la Ordenanza 2010-1512 sobre endeudamiento para el empresario individual de responsabilidad limitada. También la Ley 2012-387 sobre flexibilización de los procedimientos administrativos. Respecto a la responsabilidad del deudor, el Código de Comercio francés la divide en tres capítulos: activos insuficientes, quiebra personal y bancarrota. Cuando en la liquidación de una sociedad el activo fuera insuficiente para cubrir el pasivo, el tribunal podrá, en caso de mala gestión que haya contribuido a esa falta de activos, determinar que el importe de dicho déficit corra a cargo de todo o en parte, de los dirigentes de hecho o de derecho de la sociedad que hayan tenido esa mala gestión. Si fueran varios los administradores, el tribunal podrá, por decisión motivada, declararlos solidariamente responsables. Dicha acción se inicia en el plazo de tres años a partir de la decisión que decreta la liquidación obligatoria. Los procedimientos relacionados con la insolvencia en el sistema francés actual son los denominados: Procedimiento de prevención (Art. 611 y ss. del Código de Comercio), Procedimiento de salvaguarda (Art. 620 y ss. del Código de Comercio), Saneamiento judicial (Art. 631 y ss. del Código de Comercio), y Liquidación judicial (Art. 640.1 y ss. del Código de Comercio). Capítulo 1: La regulación de la insolvencia y los concursos de acreedores 35 En este país hay un apartado especial para las medidas de prevención, donde las personas inscritas en el Registro de Comercio y de Sociedades, o cualquier persona jurídica de derecho privado, podrá unirse a una “agrupación de prevención”, y cuando estas agrupaciones detectan indicios de dificultades, informarán de ellos al empresario y podrán proponerle la intervención de un perito. Asimismo, a instancia del representante del Estado, las administraciones competentes prestarán su apoyo a dichas agrupaciones de prevención autorizadas, las cuales podrán solicitar los servicios del Banco de Francia para emitir dictámenes sobre la situación financiera de las empresas afiliadas. Por su parte, el proceso de salvaguarda, desde el punto de vista subjetivo, es mayor que el de las anteriores medidas, aplicándose también a todas las personas jurídicas de derecho privado cualquiera que sea su actividad y tamaño. No podrán acudir a este procedimiento las personas que ya estén incursas en un proceso previo de salvaguarda, de saneamiento judicial o de liquidación judicial hasta que estén finalizados. A su vez, el saneamiento judicial es un proceso judicial previsto para las situaciones de insolvencia, similar al concurso de acreedores del ordenamiento jurídico español. Está destinado a permitir la continuidad de la actividad empresarial, el mantenimiento del empleo y la liquidación del pasivo. El éxito del mismo dará lugar a la aprobación de un plan por resolución judicial tras un periodo de observación. El fracaso del plan o la manifiesta imposibilidad de saneamiento darán lugar a la apertura del procedimiento de liquidación judicial. Predicción de viabilidad empresarial 36 Conjuntamente con el sistema general existe una liquidación judicial simplificada, que se da cuando el activo no incluye bienes inmobiliarios y el número de empleados y cifra de negocios están por debajo de los umbrales fijados por Decreto. De otra parte, en la legislación francesa no existe una regulación específica de los grupos de empresa. Pero sí cabe la posibilidad de extender el proceso de salvaguarda, así como el de saneamiento y liquidación, a otras personas distintas del deudor inicial, en caso de existir confusión patrimonial entre éstas y dicho deudor. Conforme a cuanto antecede, puede entenderse que la filosofía del ordenamiento francés sobre insolvencia es la rehabilitación de la empresa, y no su liquidación, siempre y cuando con motivo de la rehabilitación, la empresa sea financieramente viable y preserve el empleo. Por ello, quizás, prevé procesos informales de arreglo entre acreedores y deudores, y establece mecanismos tempranos de alerta encaminados a evitar situaciones de insolvencia. 1.1.3 Italia. El Código de Comercio italiano de 1882, regulaba ya, influenciado por el Código Napoleónico, la quiebra del comerciante, si bien siempre con una finalidad liquidatoria y con la posibilidad de una quiebra moratoria. Posteriormente, y aunque la denominada Legge Fallimentare de 1942 (LF) seguía esa misma finalidad netamente liquidadora, la Ley Prodi de 1979 y la Ley Prodibis de 1999 introducen la idea de conservación de la empresa, y ya en la Ley nº 80 de 2005 se incorporó el acuerdo de reestructuración de deudas. Capítulo 1: La regulación de la insolvencia y los concursos de acreedores 37 Para el presupuesto objetivo de insolvencia se debe estar en una situación que impida atender con regularidad las obligaciones exigibles, precisando que se exige una situación estructural, no un impago consecuencia de una situación coyuntural, lo que podríamos llamar una tensión de liquidez o tesorería puntual y salvable en un corto periodo de tiempo (Art. 5 LF). Resulta igualmente relevante que la LF se refiere a lo que podríamos denominar impagos o incumplimientos, como signo o elemento de prueba de la situación de insolvencia, pero también hace referencia a hechos externos que puedan conducir a entender que el sujeto se encuentra en situación de quiebra, sin que la norma, no obstante, identifique siquiera un catálogo mínimo de dichos hechos, por lo que la cuestión será de marcados tintes casuísticos. Centrándonos exclusivamente en el deudor, los efectos sobre su figura son la privación de las facultades de administración y disposición del patrimonio, la suspensión de los procedimientos en curso y que el síndico tendrá la representación procesal (Art. 42 y ss. LF). Además, dicho deudor puede intervenir en el juicio sólo para las cuestiones de las cuales puede depender una imputación de bancarrota a su cargo o cuando esté prevista por la LF. Respecto a los acreedores, los efectos sobre ellos son la prohibición de iniciación de acciones ejecutivas o cautelares individuales, y que los créditos garantizados con prenda o que posean privilegio, pueden ser liquidadas en el procedimiento mediante oferta privada o subasta pública, pagando los créditos garantizados. Sobre las deudas pecuniarias, se da el suspenso del devengo de los intereses convencionales o Predicción de viabilidad empresarial 38 legales, y las deudas se consideran vencidas. Se mantiene el derecho de compensación, salvo que el acreedor haya adquirido el crédito por actos intervivos después de la declaración de quiebra o en el año inmediatamente anterior. Y para los contratos, no se reconoce derecho a indemnización, además de que serán nulas las cláusulas contractuales por las que se declare la resolución del contrato por el mero hecho de la declaración de quiebra. Al igual que ocurre con Alemania, Italia tampoco dispone de una calificación concursal. Se regula y pena sólo la quiebra fraudulenta, es decir, la bancarrota simple. Y de forma similar al derecho español, no contiene normas específicas centradas en la venta de activos durante el procedimiento concursal, sino que las mismas se refieren básicamente a los supuestos de liquidación y en todo caso se encuentran implícitamente recogidas dentro de la posibilidad de mantenimiento de la empresa. 1.1.4 Reino Unido. Desde 1571, el Reino Unido regula la insolvencias empresariales con las denominadas The Fraudulent Conveyances Act y The Bankruptcy Act. Actualmente, y tras una larga sucesión de reformas legislativas, está en vigor la Insolvency Act de 1986, que distingue entre procedimientos de insolvencia de un individuo (comerciante o no, o de una asociación sin personalidad jurídica) o de una sociedad. La Insolvency Act (IA) es objeto de desarrollo reglamentario por el Insolvency Rules (Reglamento) de 1986. A diferencia de otros ordenamientos de insolvencia que se orientan a mantener a la empresa como un negocio en Capítulo 1: La regulación de la insolvencia y los concursos de acreedores 39 marcha, la norma inglesa nació con el objetivo principal de que los acreedores cobren sus créditos. No obstante, las diferentes reformas sufridas por la IA han facilitado la rehabilitación de aquellas empresas que sufren problemas de insolvencia. En esta línea ha sido de suma importancia la IA del año 2000, que ha introducido mejoras para evitar rigideces en la adopción de los convenios con los acreedores. En el derecho inglés no hay un único procedimiento de insolvencia y, por tanto, los presupuestos y características de cada modalidad son diferentes. Sin embargo, la IA de 1986 parte de un concepto de insolvencia diferente al que utilizamos en el derecho español. Como es sabido, la ley Concursal de 2003 define la insolvencia como la imposibilidad de cumplir regularmente con las obligaciones exigibles, si la insolvencia es actual, o la previsión de no poder cumplir regular y puntualmente sus obligaciones, en el caso de la insolvencia inminente. Por el contrario, para el derecho inglés, una compañía es insolvente cuando el valor de sus activos es menor que el de sus pasivos o no puede pagar sus deudas en la medida que estas venzan. Es decir, la insolvencia en el Reino Unido, se define, de forma más amplia, fijándose alternativamente bien en la falta de activos suficientes para satisfacer todas las deudas o bien en la incapacidad para saldar deudas pendientes. Entre los procedimientos de insolvencia de sociedades mercantiles se distinguen las siguientes tres modalidades. La primera, denominada Administration1, es un procedimiento judicial que está pensado principalmente para salvar la empresa u obtener un resultado mejor para los acreedores, 1 Regulada en la Parte II del primer grupo de partes, Art. 9 y ss., así como en el Anexo B1 de la (IA). Predicción de viabilidad empresarial 40 del que se hubiera logrado con una liquidación. La segunda, el Administrative Receivership2, es un procedimiento no judicial que tiene como objetivo la recuperación de los adeudos y que puede ser utilizada exclusivamente por los acreedores garantizados. Esta figura, también llamada Receptoria, define la posibilidad que tiene el acreedor de nombrar a un receptor (receiver), con el objeto de que le apoye para recuperar sus créditos. Finalmente, la liquidación o Winding-up3 supone la realización y distribución del patrimonio de una empresa y, generalmente, su cierre. La IA regula con bastante detalle los convenios que el deudor puede alcanzar con sus acreedores, bien, sobre todo, como modo de ayuda a empresas que se encuentran en situación de crisis financiera (en cuyo caso, los convenios aparecen como institutos preventivos de los procedimientos de insolvencia propiamente dichos) bien como salida alternativa, una vez que el deudor ya se encuentra inmerso en un procedimiento de winding up o de quiebra. En este sentido merecen destacarse los acuerdos voluntarios de compañías (company voluntary arrangements), los acuerdos voluntarios individuales (individual voluntary arrangements), y los denominados Schemes of arrangements. Para los acuerdos voluntarios de compañías (CVA), no es preciso que la empresa sea insolvente o incapaz de pagar sus deudas. Es un procedimiento diseñado para la reestructuración de la deuda, de forma negociada con los acreedores. Un CVA es un instrumento concebido para ayudar al rescate de una sociedad que se encuentra en dificultades 2 Regulada en la Parte III del primer grupo de partes, Art. 28 y ss., así como en el Anexo B1 de la (IA). 3 Parte IV del primer grupo de partes, Art. 73 a 219 (IA) para sociedades registradas y Art. 220 a 229 (IA) para sociedades no registradas. Capítulo 1: La regulación de la insolvencia y los concursos de acreedores 41 financieras, que le permite acordar un arreglo con sus acreedores para la satisfacción de algunas, o la totalidad de sus deudas, y donde la intervención Judicial es mínima. Por su parte, en los acuerdos voluntarios individuales (IVA) debe efectuarse una solicitud de una orden provisional (interim order of court), la cual puede ser hecha cuando el deudor tenga el propósito de hacer una propuesta a sus acreedores para un acuerdo dirigido a la satisfacción de sus créditos (composition) o un plan de arreglo de sus asuntos (scheme of arrangements). La propuesta deberá identificar a una persona (el nominee) que debe poseer la cualificación necesaria para actuar como insolvency practitioner, y que será el encargado de supervisar la implementación del acuerdo. 1.1.5 Estados Unidos de América (EEUU). A diferencia de la legislación europea, que se caracteriza por un procedimiento general y común reglado de insolvencia, el procedimiento de insolvencia en EEUU se caracteriza por una legislación con capítulos específicos, denominados Chapters, según la tipología del deudor insolvente. Además, la normativa de mediación en EEUU es múltiple y obedece a la iniciativa de cada Estado. No obstante, existe una norma orientadora realizada en 2001 que no es aplicable, entre otros, a los supuestos de negociación colectiva (Collective Bargaining Relationship) o acuerdos colectivos (Collective Bargaining Agreement) y a la que finalmente se han adaptado todos los Estados. Como alternativa a la quiebra EEUU dispone de los sistemas denominados ABC´s o assignment (friendly Predicción de viabilidad empresarial 48 excepcional, se puede modificar por el juez (Art. 40 LC). - Deber de colaboración e información del deudor ante el juzgado de lo mercantil y la administración concursal (Art. 42 LC). - Obligación de conservación y mantenimiento de la masa activa (Art. 43 LC). - Necesidad de autorización en intervención para los actos relacionados con la continuación de la actividad profesional o empresarial (Art. 44 LC). - Libros y documentos del deudor: serán puestos a disposición de la administración concursal (Art. 45 LC). - Obligación de formulación de cuentas anuales en caso de intervención por parte del deudor (en caso de sustitución, lo será la administración concursal) (Art. 46 LC). - Sobre los órganos de las personas jurídicas deudoras: se mantendrán los órganos de la persona jurídica deudora y los acuerdos de junta o asamblea que pueden tener contenido patrimonial o relevancia directa para el concurso requerirán, para su eficacia, de la autorización o confirmación de la administración concursal (Art. 48 LC). Capítulo 1: La regulación de la insolvencia y los concursos de acreedores 49 - Sobre las acciones contra los socios: corresponderán exclusivamente a la administración concursal el ejercicio de acciones contra los socios y la reclamación del desembolso de las aportaciones sociales (Art. 48 bis LC). - Embargo de bienes: posibilidad de solicitar medida cautelar por la administración concursal o de oficio por el juez, sobre bienes de posibles afectados por la calificación del concurso (Art. 48 ter LC). - Sobre los acreedores: quedarán todos integrados en la masa pasiva del concurso (Art. 49 LC). - En general, no se admitirán demandas individuales y se continuarán y acumularán los juicios declarativos pendientes hasta sentencia, excepto los referidos a los de obra y responsabilidad de administradores que quedarán en suspenso (Art. 50 y ss. LC). - Ejecuciones y apremios: no podrán iniciarse ejecuciones singulares, judiciales o extrajudiciales, ni seguirse apremios administrativos o tributarios contra el patrimonio del deudor (Art. 55 LC). - Paralización de ejecuciones de garantías reales y acciones de recuperación asimiladas sobre bienes que resulten necesarios para la continuación de la actividad (Art. 56 LC). Predicción de viabilidad empresarial 50 - Prohibición general de compensación de créditos y suspensión del devengo de intereses y del derecho de retención (Art. 58 LC). - Interrupción de la prescripción (Art. 60 LC). - Vigencia de los contratos con obligaciones recíprocas (Art. 61 LC). - Competencias del juez del concurso en materia laboral sobre acciones colectivas que afecten a los trabajadores (Art. 64 LC). 1.2.2 El órgano de control de la insolvencia. Actualmente destacan dos figuras, la del Administrador Concursal y la del Auxiliar Delegado (Art. 27 y ss. LC). El Administrador Concursal es un único miembro, persona física o persona jurídica, que cumpla los requisitos que se determinen reglamentariamente. Estos requisitos podrán referirse a la titulación requerida, a la experiencia a acreditar y a la realización o superación de pruebas o cursos específicos. Se podrán exigir requisitos específicos para ejercer como Administrador Concursal en concursos de tamaño medio y gran tamaño, siendo sus funciones (Art. 33 LC): - De carácter procesal. - Propias del deudor o de sus órganos de administración. - En materia laboral. - Relativas a derechos de los acreedores. Capítulo 1: La regulación de la insolvencia y los concursos de acreedores 51 - De informe y evaluación - De realización de valor y liquidación. - De secretaría. - Cualesquiera otras que ésta u otras leyes les atribuyen. La otra figura destacable es la del Auxiliar Delegado, que aparecerá cuando la complejidad del concurso así lo exija. La administración concursal podrá solicitar la autorización del juez para delegar determinadas funciones, incluidas las relativas a la continuidad de la actividad del deudor (Art. 31 LC). El Administrador Concursal también tiene la misión de realizar un informe que evalúe el proceso (Art. 74 y 75 LC). Este informe es un documento mercantil de carácter vinculante respecto a la cuantía, calificación y graduación de créditos concursales, y de carácter informativo respecto al inventario de la masa activa, la evolución de la situación jurídica y económica, y sobre las razones que han determinado la situación de insolvencia y su evolución (Pastor, 2009). Su carácter vinculante se manifiesta específicamente en lo previsto en el artículo 97.1 LC al referir que “quienes no impugnen en tiempo y forma el inventario o la lista de acreedores no podrán plantear pretensiones de modificación del contenido de estos documentos”. El carácter informativo del informe es quizás uno de los mejores logros de la nueva normativa concursal, y al mismo tiempo el mayor levantamiento de velo que la ley prevé con falta de limitaciones que sin duda, serían muy necesarias para garantizar la continuidad de la empresa en los supuestos en que ésta se produzca. Predicción de viabilidad empresarial 52 1.2.3 El acuerdo con los acreedores. En la exposición de motivos de la LC se hace una clara apuesta por el convenio frente a la liquidación. Así en su apartado VI se señala expresamente que las soluciones del concurso previstas en la ley son el convenio y la liquidación, para cuya respectiva tramitación se articulan especificas fases en el procedimiento. Y además, que “el convenio es la solución normal del concurso, que la ley fomenta con una serie de medidas, orientadas a alcanzar la satisfacción de los acreedores a través del acuerdo contenido en un negocio jurídico en el que la autonomía de la voluntad de las partes goza de una gran amplitud”. El convenio de acreedores regulado por la LC deberá contener proposiciones de quita o espera, pudiendo acumular ambas (Art. 99 y ss. LC). También podrá contener proposiciones alternativas para todos o algunos de los acreedores, con excepción de los acreedores públicos. Además, se podrán incluir ofertas de conversión del crédito en acciones, participaciones o cuotas sociales, obligaciones convertibles, créditos subordinados en créditos participativos, en préstamos con intereses capitalizables o en cualquier otro instrumento financiero de rango, vencimiento o características distintas de la deuda original (Art. 100.2 LC). También podrán incluirse en la propuesta de convenio proposiciones de enajenación, bien del conjunto de bienes y derechos afectos a su actividad empresarial o profesional o de determinadas unidades productivas. Incluirán necesariamente la asunción por el adquiriente de la continuidad de la actividad empresarial o profesional propia de las unidades productivas a las que afecte, debiendo ser oídos los representantes legales de los trabajadores (Art. 100.2 LC). Capítulo 1: La regulación de la insolvencia y los concursos de acreedores 53 Sin embargo, en ningún caso la propuesta podrá consistir en la liquidación global del patrimonio del concursado para satisfacción de sus deudas, sin perjuicio de las quitas que pudieran acordarse y de la posibilidad de fusión, escisión o cesión global de activo y pasivo de la persona jurídica concursada. Sólo podrá incluirse la cesión en pago de bienes o derechos (en ningún caso se impondrá a los acreedores públicos) siempre que no resulten necesarios para la continuidad de la actividad profesional o empresarial. A lo anterior deberá acompañar un plan de pagos con detalle de los recursos previstos para su cumplimiento. Y si se prevé contar con recursos que genere la posible continuidad de la actividad, se incluirá un plan de viabilidad (Art. 100.3 LC). En principio, no se admiten las propuestas condicionadas de convenio, salvo en los casos de concursos conexos (Art. 101 LC). No obstante, si se admiten varias alternativas a la elección de los acreedores, y se determinará la aplicable en caso de falta de ejercicio de la facultad de elección. Respecto a la denominada propuesta anticipada de convenio (Art. 104 LC), ésta se puede presentar por el deudor, desde la solicitud de concurso voluntario o desde la declaración de concurso necesario hasta la expiración del plazo de comunicación de créditos, y bastará la adhesión del 10% del pasivo si se presenta con la solicitud de concurso voluntario y del 20% en el resto de casos. Así, se dará traslado a la administración concursal para su evaluación en atención al plan de pagos y, en su caso, al plan de viabilidad que la acompañen. Si es favorable, se unirá al informe de la administración concursal. Por el contrario, si fuese Predicción de viabilidad empresarial 54 desfavorable o con reservas, el juez resolverá sobre la admisión o no a trámite de la propuesta. Desde la admisión a trámite de la propuesta de convenio (Art. 108 LC) y hasta la expiración del plazo de impugnación del inventario y lista de acreedores, cualquier acreedor podrá adherirse y el juez, dentro de los 5 días siguientes a aquél en que hubiere finalizado el plazo de la impugnación del inventario y de la lista de acreedores (o cuando ya se hayan resuelto), aprobará el convenio si cuenta con las adhesiones legales, o en caso contrario, acordará la liquidación (salvo que el deudor mantenga la propuesta y opte por celebrar la Junta de Acreedores). Posteriormente, se procederá a la constitución de la junta de acreedores (Art. 116 y ss. LC), en la cual tendrán derecho de asistencia los acreedores que figuren incluidos en los textos definitivos y podrán solicitar aclaraciones sobre el informe de la administración concursal y sobre la actuación de ésta, así como las propuestas de convenio y los escritos de evaluación emitidos. Los acreedores sin derecho a voto serán créditos subordinados, mientras que los acreedores privilegiados no se someterán a los efectos del convenio, salvo que se adhieran expresamente. El convenio adquirirá eficacia desde la fecha de la sentencia que lo apruebe, salvo que el juez, por la razón del contenido del convenio, acuerde, de oficio o a instancia de parte, retrasar esa eficacia a la fecha en que la aprobación alcance firmeza. Desde la eficacia del convenio cesarán todos los efectos de la declaración de concurso y los administradores concursales, rendirán cuentas de su actuación (Art. 133 LC). Capítulo 1: La regulación de la insolvencia y los concursos de acreedores 55 El contenido del convenio vinculará al deudor y a los acreedores ordinarios y subordinados, respecto de los créditos que fuesen anteriores a la declaración de concurso, aunque por cualquier causa, no hubiesen sido reconocidos. Por su parte, los acreedores privilegiados solo quedarán vinculados al contenido del convenio si hubiesen votado a favor del mismo (Art. 134 LC). Los acreedores que no hubiesen votado a favor del convenio no quedarán vinculados por éste en cuanto a la subsistencia plena de sus derechos frente a los obligados solidariamente con el concursado y frente a sus fiadores o avalistas (Art. 135 LC). Cabe añadir también, que cualquier acreedor que estime incumplido el convenio en lo que le afecte, podrá solicitar del juez la declaración de incumplimiento. 1.2.4 Clasificación de los créditos: Masa pasiva. La masa pasiva, en la legislación española, se divide en dos categorías (Art. 84 LC). Por un lado, los créditos contra la masa (Art. 84.2 LC), que en general son posteriores a la declaración del concurso. Por otro lado, los créditos concursales, que normalmente son anteriores a la declaración del concurso, y se componen a su vez de tres tipos: los subordinados (Art. 92 LC) (personas vinculadas al deudor, sanciones, recargos e intereses no garantizados en general), los ordinarios (Art. 89.3 LC) (proveedores y acreedores comunes) y los privilegiados, que a su vez se dividen en generales (Art. 91 LC) (privilegio vinculado al acreedor público o trabajadores) o especiales (Art. 90 LC) (créditos con acreedores que afectan a bienes con garantía). Predicción de viabilidad empresarial 56 Por su parte, la denominada masa activa del concurso está compuesta por los bienes y derechos integrados en el patrimonio empresarial a la fecha de declaración del concurso y los que se reintegran al mismo o adquieran hasta la conclusión del procedimiento, exceptuando los que tengan carácter inembargable (Art. 76 a 81 LC). El inventario de la masa activa lo elaborará la administración concursal, y se valorará con arreglo a su valor de mercado (Art. 82 LC). Al inventario se añadirá una relación de todos los litigios cuyo resultado pueda afectar a su contenido y otra comprensiva de cuantas acciones debieran promoverse, a juicio de la administración concursal, para la reintegración de la masa activa. En ambas relaciones se informará sobre viabilidad, riesgos, costes y posibilidades de financiación de las correspondientes actuaciones judiciales (Art. 82.4 LC). 1.2.5 Calificación de la insolvencia. El concurso puede calificarse como fortuito o culpable (Art. 163 LC). Dicho concurso será considerado culpable cuando, en la generación o agravación del estado de insolvencia, hubiera mediado dolo o culpa grave del deudor o, si los tuviere, de sus representantes legales y, en caso de persona jurídica, de sus administradores o liquidadores, de hecho y de derecho, apoderados generales, y de quienes hubieran tenido cualquiera de estas condiciones dentro de los dos años anteriores a la fecha de declaración del concurso (Art. 164 LC). En todo caso, el concurso se calificará como culpable cuando concurra cualquiera de los siguientes supuestos (Art. 165 LC): Capítulo 1: La regulación de la insolvencia y los concursos de acreedores 57 - Cuando el deudor legalmente obligado a la llevanza de contabilidad incumpliera sustancialmente esta obligación, llevara doble contabilidad o hubiera cometido irregularidad relevante para la comprensión de su situación financiera o patrimonial. - Cuando el deudor hubiera cometido inexactitud grave en cualquiera de los documentos acompañados a la solicitud de declaración de concurso o presentados durante la tramitación del procedimiento, o hubiera acompañado o presentado documentos falsos. - Cuando la apertura de la liquidación haya sido acordada de oficio por incumplimiento del convenio debido a causa imputable al concursado. - Cuando el deudor se hubiese alzado con la totalidad o parte de sus bienes en perjuicio de sus acreedores o hubiera realizado cualquier acto que retrase, dificulte o impida la eficacia de un embargo en cualquier clase de ejecución iniciada o de previsible iniciación. - Cuando durante los dos años anteriores a la fecha de declaración de concurso, hubieran salido bienes o derechos del patrimonio del deudor de manera fraudulenta. - Cuando antes de la fecha de declaración de concurso, el deudor hubiera realizado cualquier acto jurídico dirigido a simular una situación patrimonial ficticia. Predicción de viabilidad empresarial 64 - Que el deudor hubiera cesado completamente en su actividad y no tuviera en vigor contratos de trabajo. El segundo instituto preconcursal español es la Homologación Judicial de Acuerdos, a través de la cual los acuerdos adoptados en virtud de dicha disposición no podrán ser objeto de reintegración cuando cumplan los requisitos y mayorías allí previstos, si bien y para ello deberán ser homologados conforme dispone la legislación (podrá homologarse judicialmente el acuerdo de refinanciación que haya sido suscrito por acreedores que representen, al menos, el 51% de los pasivos financieros). Respecto a los efectos de dichos institutos preconcursales, se diferencian dos vertientes, una en función de las mayorías de pasivos y otra en función de las garantías. Dentro de la primera vertiente, a su vez, se diferencian dos tipos: uno si el acuerdo ha sido suscrito por acreedores que representen un valor igual o superior al 60% del pasivo financiero, donde se dan esperas, ya sean del principal, intereses, o de cualquier otra cantidad adeudada con un plazo no superior en 5 años, o la conversión de la deuda en préstamos participativos durante el mismo plazo. Y otro, si el acuerdo ha sido suscrito por acreedores que representen al menos el 75% del pasivo financiero, donde se dan medidas tales como esperas con un plazo de cinco años o más (pero en ningún caso superior a 10), quitas y la conversión de deuda en acciones o participaciones de la sociedad deudora. Por otra parte, y como una segunda vertiente de los efectos, en función de las garantías, a los acreedores de pasivos financieros que no hayan suscrito el acuerdo de Capítulo 1: La regulación de la insolvencia y los concursos de acreedores 65 refinanciación o que hayan mostrado su disconformidad con el mismo, por la parte de su crédito que no exceda del valor de la garantía real, se extenderán, por la homologación judicial, los efectos señalados en el apartado anterior, siempre que uno o más de dichos efectos hayan sido acordados, con el alcance que se convenga, por las siguientes mayorías, calculadas en función de la proporción del valor de las garantías aceptadas sobre el valor total de las garantías otorgadas: el 65% cuando se trate de acuerdos suscritos por acreedores que representen el 60% o más del pasivo financiero, o bien por el 80% cuando se trate de acuerdos suscritos por acreedores que representen al menos el 75% de dicho pasivo financiero. Se entenderá por valor de la garantía real de que goce cada acreedor el resultado de deducir, de los nueve décimos del valor razonable del bien sobre el que esté constituida dicha garantía, las deudas pendientes que gocen de garantía preferente sobre el mismo bien, sin que en ningún caso el valor de la garantía pueda ser inferior a cero ni superior al valor del crédito del acreedor correspondiente. A modo de resumen, el cuadro 1.1 ofrece un estudio comparado de la insolvencia en los seis países tratados en el presente capítulo. 66 Características de las Leyes de Insolvencia Alemania España Francia Italia Reino Unido USA 1. Antecedentes Históricos •Ordenanza Ciudad de Friburgo(1520) •Lasolvenzordnung (1994) •Código de Comercio (1829) •Ley Concursal (2003) •Ordenanza Luis XIII (1629) •Loi de Sauvegarde de entrepises (2005) •Manus Injectus •Legge Fallimentare (1942) •The Fraudulent Coveyances Act y The Bankruptcy Act (1571) •Insolvency Act (1986) •Act (1800) •Bankruptcy Fairness and Employee benefits Protection (2014) 2. Presupuestos de la insolvencia •Insolvencia (Zahlungsunfähigkeit) •Insolvencia inminente (Droende Zahlungsunfähigkeit) •Lagunas de liquidez (Liquiditätslucke) •Personas físicas y jurídicas •No Estado •Insolvencia actual •Insolvencia inminente •Personas físicas y jurídicas •No Estado •Insolvencia inminente •Personas físicas empresarias y personas jurídicas •No agricultores ni consumidores •Insolvencia •Personas físicas empresarios y personas jurídicas •No Estado •No empresarios agrícolas ni profesionales intelectuales •Activo < Pasivo •Activoc/p < Pasivoc/p •Activo < Pasivo •Activoc/p < Pasivoc/p •Municipios •PYME, Agricultor, Pescador •Consumidor •Persona jurídica 3. Insolvencia de persona física •Procedimiento ordinario: desarrollo actividad empresarial, relaciones patrimoniales complejas •Procedimiento especial: consumidores •Concurso voluntario o necesario •Acuerdo extrajudicial de pagos •Concurso Consecutivo •Segunda oportunidad y remisión de deudas •Concurso para no consumidores •Procedimiento de Saneamiento Personal del Código de Comercio para consumidores •Acuerdo con los acreedores (no consumidores) •Plan del consumidor (consumidores) •Liquidación del Patrimonio y remisión de deudas (Cram Down) •Bankruptcy •Chapter 7: Liquidación •Chapter 13: Insolvencia del consumidor 4. Insolvencia de grupo de sociedades •No •No •No •No •No •No Cuadro 1.1 - Leyes Internacionales de Insolvencia (I) 4. Insolvencia de grupo de sociedades •No •No •No •No •No •No 67 5. Declaración de Insolvencia y sus efectos •Similar al caso español •Salarios 3 meses anteriores abonados por la autoridad laboral (Arbeitsamt) •Intervención o sustitución de facultades •Deber de información y colaboración •No ejecución •No nuevas demandas •Prohibición intereses com pensación de créditos •Derecho de alimentos •Similar al caso español •Similar al caso español •Similar al caso español •Varían según el procedimiento y la cuantía de la deuda: Liquidación, Municipal, Personas jurídicas, Personas físicas, Consumidores, PYME, Agricultor, Pescador 6. El órgano de control de la Insolvencia •Autoadministración •Interventor (Sachwalter) •Fiduciario (Treuhänder) •Administrador Concursal •Auxiliar Delegado •Mediador Concursal •Mandatario ad-hoc •Conciliador (Administrador Judicial) •Juez Comisario •Jueces Consulares •Mandatarios Judiciales •Interventores •Analistas •Representante de los trabajadores •Juez Delegado •Síndico o Curador •Comité de Acreedores •Administrador •Liquidador •Nominee (supervisor de acuerdos) •Receiver •Custodianship •Síndico (Trustee) •Examinador •Comité de Acreedores Características de las Leyes de Insolvencia Alemania España Francia Italia Reino Unido USA Cuadro 1. 1 - Leyes Internacionales de Insolvencia ( I I) 68 7. El acuerdo con los acreedores •Convenio (Inzolvenzplan) •Saneamiento de la empresa (Sanierungsplan) •Transmisión a un tercero (Übertragunsplan) "asset-deal" •Liquidación (Liquidationsplan) •Cram Down •Convenio Anticipado •Convenio General •Acuerdo Extrajudicial de Pagos •Vía contractual: Mandato y Conciliación •Vía judicial: Salvaguarda y Saneamiento •Liquidación •Convenio similar al caso español •Cram Down •Acuerdos voluntarios de compensación (company voluntary arrangements) •Acuerdos voluntarios individuales (individual voluntary arrangements) •Plan de arreglo (schemes of arrangements) •Acuerdos por la vía rápida (fast-track voluntary arrangements) •Mediante aplicación del vencimiento de deudas (reduce el principal e intereses), o refinanciación de deuda según cada Chapter 8. Legislación pro convenio vs. pro liquidación •Indistinta, busca satisfacción acreedores •Pro convenio y protección del deudor •Indistinta, busca satisfacción acreedores •Pro liquidación con matices actuales •Indistinta, busca satisfacción acreedores •En general pro convenio pero con Chapter 7 dedicado a liquidación Características de las Leyes de Insolvencia Alemania España Francia Italia Reino Unido USA Cuadro 1. 1 - Leyes Internacionales de Insolvencia ( II I) 69 9. Clasificación de los Créditos: Masa Pasiva •Créditos contra la masa •Acreedores con privilegio especial •Acreedores con derecho de separación •Acreedores globalmente concursales (incluye acreedores públicos, salarios y fresh-money) •Acreedores subordinados •Créditos contra la masa •Créditos concursales: privilegiados (generales y especiales), ordinarios, subordinados, contingentes y condicionales •Créditos contra la masa, superprivilegiados: créditos por salarios 60 últimos días, freshmoney •Resto similar al caso español, con normativa dispersa •Créditos contra la masa (a prórrata) •Resto similar al caso español •El Estado y sus organismos se considera un único acreedor •Resto similar al caso español •Créditos contra la masa •Deudas salariales hasta 90 días antes •Deuda garantizada •Deuda no garantizada a favor del Estado •Deuda no garantizada 10. Masa Activa •Similar al caso español •Bienes y derechos integrados en el patrimonio, los que se integren o adquieran, exceptuando los inembargables, a valor de mercado •Similar al caso español •Similar al caso español •No impugnación masa activa •Similar al caso español •Se excluyen los objetos personales del deudor •Similar al caso español 11. Calificación de la Insolvencia •No (penal) •Fortuito, culpable (penal) •Responsabilidad Acreedores •Responsabilidad Deudor: Activos insuficientes, Quiebra, Bancarrota consecuencias penales) •No (penal) •Fortuito, culpable: Fraudulent trading, Wrongful trading (penal) •No (penal) Características de las Leyes de Insolvencia Alemania España Francia Italia Reino Unido USA Cuadro 1. 1 - Leyes Internacionales de Insolvencia (I V ) 70 12. Conclusión de la Insolvencia y segunda oportunidad •Similar al caso español •Junta de acreedores y rendición de cuentas final simultanea •Exoneración del pasivo y 2ª oportunidad es un procedimiento •Revocación del auto de declaración de concurso •Por cumplimiento del convenio •Por finalización de la liquidación •Inexistencia de insolvencia •Pago a todos los acreedores •Renuncia de todos los acreedores •Insuficiencia de masa activa para pagar créditos contra la masa •Exoneración del pasivo y 2ª oportunidad •Similar al caso español •Exoneración del pasivo y 2ª oportunidad a través de la comisión de sobreendeudamiento de particulares (Comission de Surendettement des Partiuliers) •Similar al caso español •Exoneración del pasivo y 2ª oportunidad vinculado al concurso •Similar al caso español •Exoneración del pasivo y 2ª oportunidad: Orden de alivio de deudas pequeñas (Debt Relief Orders) •Remisión de deuda en quiebras (Discharge) •Similar al caso español •Chapter 7: Liquidación •Chapter 13: Insolvencia del consumidor Características de las Leyes de Insolvencia Alemania España Francia Italia Reino Unido USA Cuadro 1.1 - Leyes Internacionales de Insolvencia (V) 71 13.Enajenaciones y Transmisión de Unidades Productivas •Sin demora salvo convenio •Puede realizarse a través de empresas especializadas •Debe tener autorización de los acreedores, salvo perecederos •Venta de unidades productivas en máximo beneficio para acreedores •Acreedor privilegiado no puede ser forzado a una liquidación inferior a su garantía •Creación de sociedades donde se aportan los activos (como el modelo inglés) •Resto similar al caso español •Cesión al adquiriente de los derechos y obligaciones de los contratos afectados a la actividad sin necesidad de consentimiento de la otra parte, así como las licencias y autorizaciones •No existe sucesión de empresas, salvo para créditos laborales (en discusión) •Posibilidad de sustituir las garantías por otras •Liquidación simplificada (máximo 3 meses) •Resto similar al caso español •Similar al caso español •Pre-pack: venta de parte del negocio con una parte de activos y los pasivos quedan en la insolvente •En casos de insolvencia sin adquisición la Secretaría de Estado se hace cargo de la deuda laboral •Resto similar al caso español •Similar al caso español Características de las Leyes de Insolvencia Alemania España Francia Italia Reino Unido USA Cuadro 1.1 - Leyes Internacionales de Insolvencia (V I ) 72 14. Institutos previos a la Insolvencia •No •Acuerdo Extrajudicial de Pagos •Disposición Adicional 4ª, Ley Concursal pasivos financieros •Homologación de acuerdos pasivos art. 71 Ley Concursal •Conciliation •Sauvegarde •Redressement Judiciare •Piani attestati di risanamento •Acordi di ristrutturazioni dei debiti •Schemes of Arrangement •Company Voluntary Arrangement •Assignments for The Benefit of Creditor (ABC´s) •Debtor in Possesion (DIP) •Receivership •Composition (out of court workout) •Prepackaged Reorganization Plans Características de las Leyes de Insolvencia Alemania España Francia Italia Reino Unido USA Cuadro 1.1 - Leyes Internacionales de Insolvencia (V I I) Capítulo 1: La regulación de la insolvencia y los concursos de acreedores en España 73 1.3 EVOLUCIÓN DE LOS CONCURSOS DE ACREEDORES EN ESPAÑA. Una vez que en los apartados anteriores se ha dejado constancia de la normativa que regula los procesos de insolvencia empresarial, se aborda a continuación un análisis de los concursos de acreedores acaecidos en España. Se pretende, pues, delimitar no sólo el marco institucional, sino también la importancia del problema objeto de estudio. 1.3.1 Autos de declaración de concurso. El número de empresas declaradas en concurso de acreedores en España ha experimentado un fuerte incremento en los años recientes4. El gráfico 1.1 ofrece la evolución del número de autos concursales desde 2006 hasta 2013. Se observa la tendencia creciente de esta serie, con un aumento de los procesos cercano al 1.000%, pasando de 725 autos en 2006 a 7.250 autos en 2013. 4 Un análisis evolutivo de períodos anteriores se encuentra en González y Lara (2008). Predicción de viabilidad empresarial 80 1.3.3.1 Proporción de convenios anticipados sobre el total de convenios. El gráfico 1.3 muestra la distribución anual de los convenios que se aprobaron de manera anticipada, es decir, que se alcanzaron sin pasar por la fase de convenio. Con dicha información se deduce que, tras unos primeros años de mucha variabilidad, a partir de 2009 aparece una serie de sucesivas reducciones hasta el año 2013, en el que vuelve a romperse esa tendencia y se produce un incremento del número de convenios anticipados. 1.3.4 Evolución del pasivo de empresas en concurso. En el período objeto de estudio, y aunque los procesos concursales han tratado todo tipo de deudores en cuanto a tamaño se refiere, la mayor parte de las empresas han sido de pequeña y mediana dimensión (gráfico 1.4). Cabe Gráfico 1.3: Proporción de convenios anticipados sobre el total de convenios Fuente: Registro Mercantil y elaboración propia Capítulo 1: La regulación de la insolvencia y los concursos de acreedores en España 81 destacar, no obstante, que en el año 2008 el pasivo de las empresas concursadas se incrementó un 120% respecto al año anterior, pasando de 5,3 a 11,7 millones de euros (hecho que coincide con el comienzo de la crisis económica y el concurso de empresas del sector de la construcción). A partir de 2009 y tras un descenso casi del 50% en el pasivo de las empresas, los valores vuelven a presentar tasas de variación entre el 10 y el 12%, aproximadamente. El gráfico 1.5 ofrece información, además, del pasivo promedio de las empresas concursadas, pero sólo en referencia a las que han logrado convenio. Así, y para los años 2009 y 2010, los pasivos alcanzan 4 y 5,4 millones de euros respectivamente. Posteriormente, el aumento del pasivo de estas empresas es bastante significativo, con un aumento del 374% para el periodo comprendido entre 2010 y Gráfico 1.4: Evolución del pasivo promedio (en millones de euros) Fuente: Registro Mercantil y elaboración propia Predicción de viabilidad empresarial 82 2012), en el que se llega a alcanzar los 25,6 millones de euros de promedio. Una comparación adicional entre el pasivo de las empresas en fase de convenio con el de empresas en fase de liquidación nos ha permitido constatar la menor dimensión de estas últimas, con valores que apenas superan el millón de euros. Por el contrario, para empresas en convenio, encontramos valores en torno a los 2,5 millones de euros en el periodo 2006-2008, superando los 5 millones de euros en 2010 (grafico 1.6). Gráfico 1.5: Evolución del pasivo medio en empresas con convenio (en millones de euros) Fuente: Registro Mercantil y elaboración propia Capítulo 1: La regulación de la insolvencia y los concursos de acreedores en España 83 La mayor dimensión de las empresas en convenio también puede constatarse a través del número de empleados. Conforme a la información que aparece en el gráfico 1.7, estas empresas presentan mayores plantillas de trabajadores en cada uno de los ejercicios analizados. Gráfico 1.6: Pasivo de empresas que inician la fase convenio y pasivo de empresas que inician la fase liquidación Fuente: Registro Mercantil y elaboración propia Predicción de viabilidad empresarial 84 A modo de resumen, la tabla 1.5 ofrece información del número total de empresas concursadas, del número de empresas que han llegado a convenio y de las empresas que han resultado liquidadas tras el proceso concursal, para el periodo 2006-2013. Gráfico 1.7: Número de empleados en empresas que inician la fase convenio y en empresas que inician la fase liquidación Fuente: Registro Mercantil y elaboración propia Años Concursos Convenios Liquidación 2006 725 64 661 2007 806 77 729 2008 2330 72 2258 2009 4190 102 4088 2010 3998 297 3701 2011 4834 287 4547 2012 6312 315 5997 2013 7250 402 6848 Total 30445 1616 28829 Tabla 1.5: Número de empresas concursadas, en convenio y en liquidación Fuente: Registro Mercantil y elaboración propia Capítulo 1: La regulación de la insolvencia y los concursos de acreedores en España 85 BIBLIOGRAFIA CAPÍTULO 1 Predicción de viabilidad empresarial 86 Capítulo 1: La regulación de la insolvencia y los concursos de acreedores en España 87 Becker, C. (2014). Insolvenzrecht, 7ª Edición, Mohr Siebeck. Bork, R. (2014). Einführung in das Insolvenzrecht, 7ª Edición, Mohr Siebeck. Código de Comercio Alemán. Código de Comercio Francés. Código de quiebra (Estados Unidos). Chapter 2: estructuras y amigables y procesos previos; Chapter 7: Liquidación; Chapter 10, 11 y 12: reorganización de deuda. Fahlbusch, W.C. (2013). Insolvencrecht und Anfechtungsrecht, 9ª Edición, Alpmann und Schmidt. Garcimartín, F.J. (2010). La eficacia en España de los Schemes of arrangements ingleses. Revista de derecho concursal y paraconcursal, 13. Editorial LA LEY. González, J. y Lara, M. A. (2008). Las situaciones de dificultad financiera de las empresas. Análisis evolutivo del caso español 1994 a 2004. Quehacer Científico, 5, 21-28. Guía práctica del proceso concursal 2015 (2014). Adaptada a las últimas reformas: Leyes 14/2003 y 17/2014, y Reales Decretos-Leyes 4/2014 y 11/2014. Varios Sepin, Madrid. Insolvency Act de 1986 (Reino Unido). Insolvency Rules (Reglamento) de 1986 (Reino Unido). Predicción de viabilidad empresarial 88 Krüger, F. (2014). Insolvenzrecht, 6ª Edición, Niederle Medic. La Ordenanza 2008-1345 de “Reforma de empresas en crisis” (Francia). La Ordenanza 2010-1512 sobre endeudamiento para el empresario individual de responsabilidad limitada (Francia). Legge Fallimentare de 1942 (Italia). Ley 2005-845 sobre “Sauverde des entreprises” (Francia). Ley 2012-387 sobre flexibilización de los procedimientos administrativos (Francia). Ley concursal Alemana. (1999) La denominada Insolvenzordnung. Pastor, D. (2014). Informes de la Administración Concursal. Tirant Lo Blanch, Valencia. R.D.L. 1/2015 de 27 de Febrero. Mecanismos de segunda oportunidad, reducción de carga financiera y otras medidas de orden social. Reischl, K. (2014). Insolvenzrecht, 3ª Edición, C.F. Müller. Viñuelas, M. (2005). Insolvencia de sociedad y responsabilidad de sus administradores en el derecho inglés. Wrongful trading. Revista de derecho mercantil, 255, 299318. 89 CAPÍTULO 2 REVISIÓN DE LA LITERATURA Predicción de viabilidad empresarial 96 disminuyendo su capacidad predictiva a medida que nos alejamos en el tiempo. En los últimos años incluso se han comenzado a utilizar en la predicción de insolvencia metodologías aún más complejas, como es el caso de los algoritmos genéticos. Por ejemplo, Shin y Lee (2002) lo utilizaron en una muestra de empresas coreanas. También Lee et al. (1996) aplicaron modelos híbridos de NN. Son también muchos los trabajos que han comparado la capacidad de predicción de los distintos modelos. Así, Odom y Sharda (1990), Coats y Fant (1993) y Wilson y Sharda (1994) compararon MDA y NN en empresas americanas, Sung et al. (1999) estimaron también modelos MDA y NN aplicándolos en este caso a empresas coreanas. Theodossiou (1991) utilizó las técnicas estadísticas de LOGIT y PROBIT en el análisis de la insolvencia de las empresas manufactureras en Grecia. Igualmente, Alici (1996) estimó un MDA, un LOGIT, y aplicó NN para identificar el fracaso de empresas en Reino Unido. Por su parte, Lin (2009) estimó el fracaso en empresas industriales de Taiwán a través de MDA, LOGIT y NN. Otros autores han estimado simultáneamente modelos de NN y modelos LOGIT, tal es el caso de Zhang et al. (1999). Por su parte, Cheng et al. (2006) compararon la capacidad de predicción de un modelo LOGIT con dos tipos de NN, las RBFN (Radial Basic Function Neural) y las BPN (Backpropagation). Zanganeh et al. (2011) estimaron 2 Capítulo 2: Revisión de la literatura 97 modelos LOGIT y 2 modelos de NN (ANFIs6) utilizando una relación de variables distintas para predecir la insolvencia en empresas iraníes. Como norma general, los modelos LOGIT y NN superaron en capacidad de predicción al MDA (Bellovary et al., 2007). No obstante, debemos tener presente, como apuntan Karels y Prakash (1987), que hay diferentes maneras de definir la insolvencia en los estudios de predicción. Algunos estudios definen la insolvencia como la situación actual de liquidación, otros la definen como sufrir estrés financiero o como la incapacidad para hacer frentes a las obligaciones financieras. Estas variaciones en las definiciones pueden hacer difícil la comparación de modelos. 2.1.1 La predicción de insolvencia de empresas económicas. Del total del universo de empresas se pueden establecer dos categorías: las empresas económicas y las empresas financieras. Ambos tipos de empresas presentan importantes diferencias en su casuística y en sus características financieras. La presente investigación se centra en la predicción de insolvencia de empresas económicas, de ahí que la revisión de la literatura que a continuación se realiza tenga en cuenta dicha elección. En referencia a las empresas económicas, la mayor parte de los trabajos de predicción de insolvencia han utilizado muestras de empresas estadounidenses (Beaver, 6 ANFI: Adaptive Neural Fuzzy Inference. Predicción de viabilidad empresarial 98 1966; Altman, 1968; Diamond, 1976; Ohlson, 1980; Mensah, 1983; Zavgren, 1985; Odom y Sharda, 1990; Arkaradejdachachai, 1993; Zhang et al., 1999; Gu y Gao, 2000; Grover, 2003; Darayseh et al., 2003; Kim y Gu, 2006a; Kim y Gu, 2006b) y británicas (Taffler, 1984; Alici, 1996; Neophytuo y Molinero, 2004; Hu y Tseng, 2005). No obstante, y en menor medida, también empresas de otros países han sido objeto de estudio. Tal es el caso de las empresas suecas utilizadas por Skogsvki (1980), empresas italianas (Apetiti, 1984), griegas (Theodossiou, 1991), coreanas (Lee et al., 1996; Sung et al., 1999; Shin y Lee 2002), japonesas (Tsukuda y Baba 1994), iraníes (Zanganeh et al., 2011), taiwanesas (Cheng et al., 2006; Lin 2009) y malayas (Abdullah et al., 2008). Respecto a la metodología, los trabajos sobre empresas económicas han utilizado inicialmente MDA de manera casi exclusiva (Altman, 1968; Mensah, 1983; Taffler, 1984). Posteriormente, desde la década de los ochenta, se han aplicado también LOGIT (Ohlson, 1980; Zavgren, 1985; Theodossiou, 1991; Arkaradejdachachai, 1993; Alici, 1996; Zhang et al., 1999; Cheng et al., 2006; Kim y Gu, 2006a; Kim y Gu, 2006b; Abdullah et al., 2008; Lin, 2009; Zanganeh et al., 2011), PROBIT (Skosgvki, 1980; Theodossiou, 1991; Hu y Tseng, 2005), NN (Odom y Sharda, 1990; Coats y Fant, 1993, Tsukuda y Baba, 1994; Wilson y Sharda, 1994; Alici, 1996; Sung et al., 1999; Zhang et al., 1999; Atiya, 2001; Hu y Tseng, 2005; Cheng et al., 2006; Lin, 2009; Zanganeh et al., 2011; Callejón et al., 2013) y algoritmos genéticos (Shin y Lee, 2002). Capítulo 2: Revisión de la literatura 99 De los estudios indicados se puede constatar que la capacidad predictiva de los modelos LOGIT y NN superaron la predicción de MDA, siendo, la capacidad de predicción de NN incluso superior a la de LOGIT. Si bien el nivel medio de predicción un año antes de la quiebra de los modelos LOGIT estimados ha sido de aproximadamente un 83%, la capacidad predictiva de los modelos de NN ha sido algo superior, suponiendo una media en los estudios considerados de aproximadamente el 89%. Además, la mayor parte de los trabajos realizados han estimado modelos de predicción utilizando información correspondiente a un año antes de la insolvencia empresarial, y son pocos los que han realizado predicciones en un mayor plazo, destacando entre los que sí lo realizaron los trabajos de Altman (1968), Diamond (1976), Ohlson (1980), Skogsvki (1980), Coats y Fant (1993), Atiya (2001), Wu et al. (2007), y Lin (2009). Como ya se ha expuesto, de los resultados obtenidos se desprende que la capacidad de predicción de los modelos disminuye considerablemente cuando se utiliza información financiera de más de un año previo a la situación de insolvencia, con aciertos que oscilan entre el 72% de Altman (1968) y el 95,5% de Ohlson (1980). Estos porcentajes de acierto disminuyen aún más en el caso de aquellos estudios que han utilizado información financiera de 3 años antes de la insolvencia, oscilando los niveles de acierto entre el 48% de Altman (1968) y el 86,2% de Coats y Fant (1993), con la excepción de Wu et al. (2007) que llegaron a alcanzar un 100% en sus modelos de NN y algoritmo genéticos tanto para 1 como para 2 y 3 años antes de la entrada en insolvencia. Predicción de viabilidad empresarial 100 El análisis individual de variables es el primer método usado en predicción de insolvencia. Beaver (1966) propuso dos métodos de análisis individual de variables, llamados análisis de perfil y modelo discriminante univariable. Altman (1968) fue el primero en usar el MDA para predicción de insolvencia. Con su ya referido modelo “Zscore” construyó una función discriminante lineal con cinco ratios financieros, y demostró que su capacidad predictiva en el año antes de la quiebra era significativamente mejor que el modelo discriminante de una variable. El MDA pertenece a los análisis de regresión lineal, los cuales asumen que la variable independiente debería obedecer a una distribución normal. Por su parte, el modelo LOGIT usa las funciones logísticas para transformar la variable dependiente de probabilidad de insolvencia en una totalmente continua, que luego es apropiada para un análisis de regresión lineal. Ohlson (1980) fue uno de los primeros en aplicar LOGIT para predecir la insolvencia empresarial, utilizando para ello una muestra de empresas americanas formada por 105 empresas en quiebra y 2.058 de empresas solventes. El periodo analizado fue de 1970 a 1976, realizando predicciones 1 año y 2 años antes de la quiebra. Obtuvo una elevada capacidad predictiva, pues alcanzó un 96,1% y un 95,5%, respectivamente. Lo (1986), por su parte, quiso comparar la precisión de los modelos MDA y LOGIT, ambos principales protagonistas de los estudios realizados en la década de los 80, demostrando que si los datos de la muestra contaban con una Capítulo 2: Revisión de la literatura 101 normalidad en su distribución, el modelo MDA podía incluso superar en capacidad de predicción al modelo LOGIT. Odom y Sharda (1990) fueron los pioneros en utilizar las NN en la predicción de insolvencia, comparando su capacidad predictiva con un MDA con datos de 1 año antes de la insolvencia. Utilizaron una muestra de 129 empresas americanas para el periodo 1975-1982. Así mismo constataron la capacidad de predicción utilizando una muestra de testeo formada por 55 empresas, utilizando para ello los 5 ratios del modelo de Altman (1968). Posteriormente Wilson y Sharda (1994) estimaron igualmente modelos MDA y NN. En ambos casos estos autores concluyeron que las NN eran modelos más robustos y que permitían obtener un mayor nivel de predicción tanto dentro de la muestra como en la muestra de testeo. Wilson y Sharda (1994) utilizaron varias composiciones en la muestra de entrenamiento para la predicción de insolvencia con NN, demostrando que la capacidad de predicción era más elevada cuando la composición de la muestra de empresas insolventes y solventes se encontraba equilibrada (50%/50%), disminuyéndose la capacidad predictiva cuando se incrementaba la proporción de empresas solventes. Coats y Fant (1993) también compararon la capacidad de predicción de NN y MDA en empresas americanas con las 5 variables de Altman (1968). Llegaron a realizar estimaciones con información de 1, 2 y 3 años antes de la insolvencia, utilizando los datos económicos de la base de datos Compustat para el periodo 1970 a 1989. Sus resultados Predicción de viabilidad empresarial 102 indican mejores predicciones en el caso de las NN, siendo la diferencia mayor con información de 2 años antes de la insolvencia. Theodossiou (1991) utilizó las técnicas estadísticas LOGIT y PROBIT en el análisis de la insolvencia de empresas manufactureras en Grecia. Alici (1996) utilizó modelos de MDA, LOGIT, y NN para identificar el fracaso de empresas en Reino Unido. Estos estudios también mostraron que los modelos LOGIT, PROBIT y NN fueron superiores al MDA en la predicción de quiebras. Asimismo Hu y Tseng (2005) obtuvieron una mejor capacidad predictiva en la aplicación de NN que con respecto al modelo PROBIT. Sin embargo, Lin (2009) consiguió un nivel de predicción algo superior en el caso del modelo LOGIT con respecto al estimado con NN. Zhang et al. (1999) predijeron la posibilidad de insolvencia empresarial de 220 empresas manufactureras americanas, estimando en el mismo trabajo un modelo LOGIT y otro de NN, utilizando datos del periodo 1980-1991. No sólo verificaron la mayor capacidad predictiva del modelo de NN, sino que demostraron una mayor robustez de ésta al realizar una validación cruzada de las dos metodologías utilizadas. El trabajo de Lee et al. (1996) fue novedoso en tanto que utilizaba tres redes neuronales híbridas para la predicción de insolvencia en empresas coreanas: a) MDA-asistido por NN, b) ID3 (Modelo de inteligencia artificial basado en la “Inducción mediante árboles de decisión”) asistido por NN, y en tercer lugar c) SOFM (NN no supervisada, definida como mapa de auto-organización). Tanto en el caso del modelo MDA asistido como en el caso del ID3 asistido, las variables de entrada utilizadas se habían seleccionado previamente en Capítulo 2: Revisión de la literatura 103 un modelo MDA. En el caso del modelo SOFM asistido se combinaba un modelo de retro-propagación (aprendizaje supervisado) con un modelo SOFM (aprendizaje no supervisado). Los resultados obtenidos eran prometedores e incitaba a aplicar estos modelos híbridos en la predicción de insolvencia. Shin y Lee (2002) fueron unos de los pioneros en utilizar algoritmos genéticos en la predicción de insolvencia empresarial, resaltando como principal ventaja respecto a las NN la posibilidad de obtener reglas fácilmente interpretables. Cheng et al. (2006) utilizaron una NN de Base Radial (RFBN) para construir un modelo de predicción de insolvencia. La capacidad de predicción de este modelo fue comparada con un modelo LOGIT y una NN de retropropagación, obteniéndose mejores resultados en los dos modelos de NN utilizados. El trabajo de Wu et al. (2007) también fue novedoso en tanto utilizó un valor real de algoritmo genético (GA) para optimizar los parámetros de una máquina de vectores soporte (SVM) con objeto de predecir la insolvencia. Adicionalmente, el modelo híbrido propuesto GA-SVM fue probado en la predicción de insolvencia de las empresas taiwanesas, comparándolo con la capacidad de predicción de otros modelos comúnmente utilizados (LOGIT y PROBIT), así como con modelos de inteligencia artificial (NN y SVM). Los resultados obtenidos mostraron que el modelo GA-SVM obtenía los mejores resultados tanto dentro como fuera de la muestra. Predicción de viabilidad empresarial 104 Abdullah et al. (2008) compararon tres metodologías para identificar las dificultades financieras de las empresas: MDA, LOGIT y un modelo HAZARD, utilizando para ello una muestra de 72 empresas (36 empresas en quiebra y 36 empresas solventes) así como una muestra externa formada por 20 empresas. Según los resultados obtenidos, el modelo HAZARD obtenía los mejores resultados, alcanzando una predicción del 94,9% dentro de la muestra. Sin embargo demostraron que si la muestra externa se incluía dentro de la muestra utilizada para estimar el modelo, era MDA el método que llegaba a alcanzar el mejor nivel de predicción (un 85%). Por su parte, Zanganeh et al. (2011) utilizaron NN de lógica difusa (ANFI) para predecir la insolvencia en empresas iraníes, utilizando una muestra emparejada de 136 empresas insolventes, y considerando datos económicos del periodo 1997-2008. Los resultados de este modelo fueron comparados con un modelo LOGIT, obteniéndose mejores resultados en el modelo ANFI, tanto en la muestra como en el testeo realizado. Por último, uno de los trabajos de investigación más recientes es el llevado a cabo por Callejón et al. (2013) usando NN del tipo Perceptrón Multicapas (MLP) con el objetivo de incrementar el poder de predicción de los modelos existentes. Para ello utilizaron una muestra de 1.000 empresas industriales europeas, compuesta por 500 solventes y otras 500 insolventes, con información del periodo 2007-2009. Entre sus conclusiones destaca la selección de seis variables financieras que sugieren que la política financiera de la empresa debería promover una capitalización prudente de las mismas y tratar de cubrir la Capítulo 2: Revisión de la literatura 105 deuda financiera con los recursos generados por las operaciones. 2.1.1.1 Modelos centrados y modelos descentrados. Otras de las características de la investigación previa sobre predicción de insolvencia es la existencia de modelos centrados y de modelos descentrados, diferenciación que surge cuando el modelo se construye utilizando información de un solo sector de actividad (centrados) o de múltiples sectores (descentrados). Los modelos centrados más populares han sido usados en la predicción de insolvencia de bancos y cajas de ahorros (Meyer y Pifer, 1970; Rose y Kolari, 1985; Tam, 1991; Salchenberger et al., 1992; Alam et al., 2000). El segundo tipo de modelo centrado más importante es para la predicción de insolvencia en empresas industriales, como es el caso de los estudios de Altman (1968), Diamons (1976), Zavgren (1985), Theodossious (1991), Sung et al. (1999), Grover (2003) y Callejón et al. (2013). Más recientemente, se han desarrollado modelos para otro tipo de sectores como el hotelero (Gao, 1999), el informático (Shah y Murtaza, 2000), el de casinos (Patterson, 2001), el de empresas de internet (Wang, 2004) y para empresas de restauración (Aranda, 2013), aunque la mayoría de estos estudios han desarrollado modelos para empresas de Estados Unidos (Sun et al., 2014). No obstante, no hay un patrón específico para el desarrollo de modelos centrados frente a modelos generales o descentrados, es decir, no parece haber una tendencia hacia la utilización de dichos modelos centrados. En la presente Predicción de viabilidad empresarial 112 (2002), Cielen et al. (2004) y Premachandra et al. (2011) usaron análisis envolvente de datos (DEA) como herramienta. Kwak et al. (2011) propusieron un método de programación lineal multi-criterio (MCLP) con datos de Corea, e indicaron que dicho modelo funcionaba tan bien como MDA o LOGIT y fue comparable a DT y a SVM. Ryu y Yue (2005) desarrollaron un nuevo modelo de programación matemática llamado Separación Isotónica (IS), el cual superaba a MDA, NN, DT y RS en un experimento de predicción de insolvencia con datos de Norteamérica. 2.1.3 Clasificadores individuales Híbridos. Muchos investigadores aplicaron métodos híbridos para la predicción de insolvencia empresarial basados en varios algoritmos, siendo la forma más popular la que integra o combina NN, CBR o SVM con otras técnicas. 2.1.3.1 Redes Neuronales Híbridas. Back et al. (1996) y Anandarajan et al. (2001) combinaron NN con GA. Usaron GA para seleccionar las variables de entrada para la NN y establecieron un modelo GA-NN para mejorar adicionalmente el rendimiento. Ravisankar et al. (2010) y Ravisankar y Ravi (2010) también construyeron varios modelos híbridos (cada híbrido compuesto por dos de las NN multicapas con alimentación hacia adelante, NN probabilísticas, RS y programación genética). Las características fueron primeramente seleccionadas con el estadístico-t, estadístico-f o con el Capítulo 2: Revisión de la literatura 113 método grupal de manejo de datos (GMDH) una NN relativamente poco explorada, y los clasificadores fueron entrenados con GMDH, NN de propagación y mapa teórico de resonancia adaptativa borrosa. Con GMDH y con estadístico-tGMDH obtuvieron los mejores resultados. 2.1.3.2 Máquinas de Soporte Vectorial Híbridas. Yeh et al. (2010) construyeron un modelo híbrido de dos etapas que integra teoría de RS y SVM, llamado RSTSVM. Los atributos redundantes fueron reducidos mediante RS para después predecir la insolvencia empresarial con SVM. Se demostró que supera al binomio RST-BNP. Lin et al. (2011) entrenaron un modelo de SVM después de la reducción de características de dimensionalidad mediante el algoritmo de mapeo isométrico (ISO-MAP), una de las técnicas de reducción de la dimensionalidad más desarrolladas. Esto produjo un mejor rendimiento cuando se compara con técnicas híbridas de Análisis de Componentes Principales-Máquinas de Soporte Vectorial (PCA-SVM). 2.1.3.3 Razonamiento Híbrido Basado en Casos. Ahn y Kim (2009) presentaron un modelo de predicción de insolvencia que combinaba GA y CBR, donde el GA fue usado para optimizar la ponderación de las características y la selección de ejemplos de forma simultánea. Este híbrido obtuvo una precisión de predicción más alta que el CBR Predicción de viabilidad empresarial 114 convencional, pero precisa de mucho más tiempo de modelaje y mayores recursos de equipo. Li et al. (2010) únicamente usaron el GA para seleccionar las características para el CBR y aplicaron el algoritmo híbrido a la predicción de insolvencia. Cho et al. (2010) usaron los DT para dibujar variables explicativas aplicando la distancia de Mahalanobis, una forma de determinar la similitud entre dos variables aleatorias multidimensionales teniendo en cuenta también la correlación entre dichas variables, y superó al método CBR usando la distancia Euclídea, LOGIT y NN. 2.1.4 Los modelos de predicción de insolvencia multiclase. Hasta la fecha, los modelos de predicción de insolvencia multiclase (que predicen más de dos categorías de la variable dependiente) han resultado ser técnicas muy novedosas y poco investigadas. Sólo determinadas técnicas estadísticas y algunos enfoques de inteligencia artificial han sido aplicados en la literatura para solucionar estos problemas. El caso de las instituciones financieras, y particularmente los bancos, fue examinado desde esta perspectiva en la investigación previa. Entre esos métodos caben destacar, principalmente el MDA (Sinkey, 1975) y el análisis de factores (West, 1985). Altman (1977) analizó tres clases de cajas de ahorros (sin problemas, con problemas temporales y con serios problemas) usando el MDA. Además, Godlewski (2006) aplicó un modelo LOGIT de dos pasos para estimar el exceso de Capítulo 2: Revisión de la literatura 115 riesgo de crédito y la probabilidad de quiebra bancaria en economías con mercados emergentes. Este último usó el ratio de préstamos no realizados para construir tres clases de exceso de riesgo. Altman et al. (1994) comparó la capacidad de predicción de un modelo MDA con una NN, utilizando para ello una muestra total de 1.000 empresas italianas (que incluía empresas solventes, no solventes, y las que denominaban vulnerables), utilizando datos económicos del periodo 19821992. El trabajo, si bien reconocía el potencial en el poder de predicción de las NN, resaltaba los inconvenientes de este modelo estadístico por los problemas ocasionados en lo que se denomina la “caja negra” del modelo de NN, que puede incluir pesos ilógicos de las variables utilizadas y no permite interpretar los resultados obtenidos, lo cual si era posible con otros modelos estadísticos como es el caso del modelo MDA. Recientemente, Alfaro, Gámez y García (2007) combinan los DT con un sistema de Boosting denominado “Adaboost.M1” en el intento de crear un método híbrido para mejorar la precisión de DT en un problema multiclase de predicción de insolvencia. Utilizan un conjunto de empresas europeas y un conjunto de ratios financieros y de variables cualitativas como predictores. Sin embargo, la falta de una adecuada definición de las categorías de la variable dependiente, restringe la posible utilidad de las conclusiones obtenidas. Predicción de viabilidad empresarial 116 2.2 LA INVESTIGACION PREVIA EN MATERIA CONCURSAL. En la literatura internacional sobre los efectos económicos y financieros de los procesos concursales se pueden distinguir, al menos, tres líneas de investigación. Una primera focalizada en la eficiencia del propio sistema concursal (Cornelli y Felli, 1997; Povel, 1999; Hart, 2000; González y González, 2000; Smith y Stromberg, 2003; Davydenko y Franks, 2008; López, García y Torre, 2009). En segundo lugar, otra línea de investigación en la que los autores han estudiado la reestructuración de la deuda (Gilson, John y Lang, 1990; Betker, 1995; Couwenberg, 2001; Díaz, López y Torre, 2005; Gennaioli y Rossi, 2006). Finalmente, también son destacables los estudios que hacen referencia a la protección del acreedor y a la protección del deudor (Djankov, McLiesh y Shleifer, 2005; Qian y Strahan, 2007; Lopez, Garcia y Torre, 2011). De otra parte, y en el ámbito español, son cinco los aspectos más estudiados en relación con la legislación concursal: los créditos, la normativa concursal, la insolvencia, los aspectos laborales y los convenios (Adiego y González, 2008). Respecto a la primera línea de investigación internacional, centrada en la eficiencia del sistema concursal, destaca un primer trabajo de Cornelli y Felli (1997) que analiza la eficiencia de las propiedades de los procedimientos de quiebra, distinguiendo entre la eficiencia ex-ante y expost. La eficiencia ex-ante consiste en maximizar los ingresos de los acreedores mediante la reorganización de la empresa, proporcionando incentivos a dichos acreedores para Capítulo 2: Revisión de la literatura 117 supervisarla. La eficiencia ex-post consiste en maximizar el valor ex-post de la empresa insolvente. Centrándose en las legislaciones de EE.UU. e Inglaterra, llegaron a la conclusión de que la mayor protección de los acreedores procede de la asignación de los derechos de propiedad sobre la empresa insolvente antes de seleccionar el plan de reorganización. Además, la distribución de los ingresos entre los acreedores tiene también efectos de eficiencia ex-ante sobre los incentivos de los acreedores para supervisar el comportamiento de la empresa. Posteriormente, Povel (1999) describe las leyes óptimas de quiebra en un marco con información asimétrica para el caso de EE.UU., llegando a la conclusión de que cuanto antes se produzca el rescate, menos costoso será. En este sentido entiende que cada ley concursal ya sea "suave" o "fuerte", puede ser óptima dependiendo de los parámetros, pero los procedimientos mixtos que combinan ambas posibilidades pueden resultar redundantes e incluso perjudiciales. Hart (2000) desarrolló un trabajo teórico donde definió los objetivos de la quiebra y las características del procedimiento de quiebra eficiente, del que dedujo que deudores y acreedores deberían favorecer conjuntamente la mejora de la eficiencia de los procedimientos de quiebra. Sin embargo, entiende que algunos países tienen actualmente una ley de quiebras pro-deudor, y que están pensando en hacerse más pro-acreedor. Además, que los deudores resisten a los cambios porque todavía están pagando el coste de los procedimientos pro-deudores a través de unos elevados intereses. Predicción de viabilidad empresarial 118 González y González (2000) analizaron el grado de eficiencia del sistema concursal español. Compararon los costes de insolvencia y de las transferencias de riqueza existentes en las empresas que resuelven sus dificultades financieras bajo supervisión judicial, frente a las que consiguen acuerdos privados con los acreedores y accionistas, sirviéndose de la rentabilidad anormal de las acciones de una serie de empresas españolas. Concluyeron que las rentabilidades anormales negativas observadas en el momento del anuncio de declaración de suspensión de pagos y del inicio de conversaciones privadas, son interpretadas como la transmisión negativa de información sobre la verdadera rentabilidad de las empresas que acogen a dichos procesos, y como la anticipación que realiza el mercado sobre los costes de insolvencia que se generarán en cada alternativa de resolución. Otra investigación destacable es la de Smith y Stromberg (2003), en la cual identifican y exploran las características centrales de un procedimiento de quiebra en un contexto internacional. Concluyeron que los procedimientos de liquidación pueden proporcionar un medio para la reorganización de una empresa bajo la directiva actual, y que los códigos de reorganización permiten las subastas y ventas de activos. Además, que algunas características que podría incluir un sistema de quiebras óptimo son: asegurar el valor del funcionamiento de la explotación (going-concern) de la empresa durante el procedimiento y maximizar el potencial de los oferentes para competir por la reorganización de la empresa. Capítulo 2: Revisión de la literatura 119 Por su parte, Davydenko y Franks (2008) querían comprobar el impacto del código de quiebras en las organizaciones con dificultades financieras a nivel europeo. Para ello, tomaron una muestra de 2.280 empresas de Alemania, Francia y Reino Unido, y aplicaron un análisis de regresión tomando como variables el tamaño del préstamo, la antigüedad de la empresa y el periodo temporal que queda para la quiebra. De dicho análisis dedujeron que las tasas de recuperación para los bancos en Francia siguen siendo significativamente inferiores a las del Reino Unido y Alemania. También encontraron que las diferencias en las tasas de recuperación total de bancos están limitadas a quiebras formales. Por último, la clasificación de los diferenciales de crédito no refleja estas diferencias ni en las tasas de recuperación ni en las pérdidas esperadas, lo que sugiere la importancia de otros factores, tales como las diferencias en el entorno competitivo. Una reciente investigación sobre la eficiencia de los sistemas concursales fue llevada a cabo por López, García y Torre (2009). Dichos autores verificaron la influencia de la ley concursal en el valor patrimonial de las empresas europeas con dificultades financieras. Para ello tomaron una muestra de 234 empresas de Alemania, España, Francia y Reino Unido, y aplicaron un análisis multivariante usando como variables explicativas la orientación de la ley concursal, la rentabilidad del mercado, el tipo de sistema financiero, el sector de actividad, el tamaño y el apalancamiento financiero. Sus conclusiones fueron que los mercados valoran las empresas en dificultades financieras de forma diferente dependiendo de la orientación de la legislación concursal aplicable a la declaración legal de insolvencia. En sistemas de Predicción de viabilidad empresarial 120 quiebra orientada a los acreedores hay una mayor pérdida de valor de las acciones respecto a los sistemas que favorecen la supervivencia empresarial y la protección del deudor. La pérdida de valor de las acciones de las empresas con problemas de insolvencia es mayor en los sistemas financieros continentales, mientras que las empresas de menor tamaño, con un mayor nivel de deuda y con inferior coeficiente de riesgo sistemático, sufren esta pérdida en menor medida. Otro tema objeto de investigación en la literatura concursal es, como ya se expuso, el procedimiento de reestructuración de deuda. Cronológicamente, el primer trabajo que abordó este tema es el desarrollado por Gilson, John y Lang (1990), en un intento de determinar los incentivos de las empresas con problemas financieros para reestructurar su deuda privada en lugar de ir a la quiebra formal. Dicho estudio les permitió concluir que las empresas más propensas a reestructurar su deuda privada tienen más activos intangibles. Por su parte, el análisis de rentabilidad de las acciones sugiere que el mercado también es capaz de discriminar, a priori, entre los dos grupos de empresas y que la rentabilidad de los accionistas es sistemáticamente mejor cuando la deuda se reestructuró en privado. Couwenberg (2001) optó por analizar la importancia de la venta de activos en los procedimientos de quiebra, y el efecto que tiene sobre las tasas de supervivencia a nivel internacional, usando una muestra de países tanto europeos como estadounidenses. Resalta que la venta de activos de una empresa en funcionamiento es, o podría ser, un instrumento importante en la resolución de problemas Capítulo 2: Revisión de la literatura 121 financieros en cualquier sistema de la quiebra. Además, que restringir el uso de este instrumento en cualquier procedimiento (o en una parte) afecta negativamente a la eficiencia total del sistema. Igualmente concluyó que un sistema que trata de separar los casos de reestructuración y liquidación puede afectar a las empresas en sus perspectivas de viabilidad en los procedimientos de liquidación. Esto puede disminuir las posibilidades de una empresa de sobrevivir a través de una venta del negocio en funcionamiento en los procedimientos basados en liquidación. Díaz, López y Torre (2005) contrastaron cómo las variables que reducen los problemas de información asimétrica y de conflicto de intereses, pueden resultar determinantes en la elección del procedimiento de reestructuración. Su estudio les llevó a la conclusión de que una mayor proporción de deuda bancaria y un gran tamaño empresarial ayudan a reducir las asimetrías informativas y facilitan la renegociación privada evitando la entrada en un procedimiento legal más costoso. Por último, Gennaioli y Rossi (2006) estudiaron teóricamente, y con un enfoque internacional, la posibilidad de resolver eficientemente los problemas financieros por contrato en lugar de depender exclusivamente de la intervención estatal. Esos contratos financieros son óptimos dependiendo de la protección de los inversores contra el fraude. Así, cuando la protección al inversor es fuerte, emitir un instrumento de deuda convertible en gran acreedor asegura que tiene el derecho exclusivo de organizar o liquidar la empresa. La concentración de los derechos de liquidación en dicho acreedor evita costosos conflictos entre acreedores. Predicción de viabilidad empresarial 128 Capítulo 2: Revisión de la literatura 129 BIBLIOGRAFÍA CAPÍTULO 2 Predicción de viabilidad empresarial 130 Capítulo 2: Revisión de la literatura 131 Abad, C., Arquero, J.L. y Jiménez, S. (2008). Fracaso empresarial: características y tipos. Madrid: Asociación Española de Contabilidad y Administración de Empresas. Abdullah, N.A.H., Halim, A., Ahmad, H. y Rus, R.M. (2008). Predicting Corporate Failure of Malaysia's listed companies: comparing multiple discriminant analysis, logistic regression and the hazard model. International Research Journal of Finance and Economics, 15, 201-217. Adiego, M.J. y Gonzalez, J. (2008). Análisis bibliográfico de los concursos de acreedores. AECA. Ahn H. y Kim, K. (2009). Bankruptcy prediction modeling with hybrid case-based reasoning and genetic algorithms approach. Application Software Computing, 9, 599–607. Alam, P., Booth, D., Lee, K. y Thordarson, T. (2000). The use of fuzzy clustering algorithm and self-organizing neural networks for identifying potentially failing banks: An experimental study. Expert Systems with Applications 18: 185-199. Alfaro, E., Gámez, M. y García, N. (2007). Multiclass Corporate Failure Prediction by Adaboost.M1. International Advances in Economic Research, 13(3), 301-312. Alici, P.Y. (1996).Neutral networks in corporate failure prediction. The UK experience. Neural Networks in Financial Engineering. Mostafa, A. Moddy, J. y Weigend, A. (eds). Singapore. World Scientific, 393-406. Predicción de viabilidad empresarial 132 Altman E.I., Marco, G. y F. Varetto (1994). Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks (The Italian experience). Journal of Banking and Finance, 18, 505-529. Altman, E., Eom, Y. H. y Kim, D.W. (1995). Failure Prediction: Evidence from Korea. Journal of International Financial Management and Accounting, 6, 230-249. Altman, E.I. (1968). Financial ratios, discriminant analices and the prediction of corporate bankruptcy. Journal of Finance, 23(4), 589-609. Altman, E.I. (1977). Predicting performance in the savings and loan association industry. Journal of Monetary Economics, 3, 443-466. Altman, E.I. (1993). Corporate Financial Distress and Bankruptcy. Second Edition. New York. John Wiley & Sons. Altman, E.I., Hotchkiss, E. (2006).Corporate Financial Distress and Bankruptcy. Predict and avoid Bankruptcy, Analyze and Invest in Distressed Debt. Third Edition. Wiley Finance. Anandarajan, M., Lee, P. y Anandarajan, A. (2001). Bankruptcy prediction of financially stressed firms: An examination of the predictive accuracy of artificial neural networks. Intelligent Systems Accounting Finance Management, 10, 69–81. Capítulo 2: Revisión de la literatura 133 Anandarajan, M., Lee, P. y Anandarajan, A. (2004). Bankruptcy predication using neural networks. Business Intelligence Techniques: A Perspective from Accounting and Finance. Apetiti, A. (1984). Identifiyng unsound firms in Italy. An attempt to use trend variables. Journal of Banking and Finance, 8(2), 269-279. Aranda, E. (2013). Predicción de insolvencia en el sector restauración. Tesis doctoral, Universidad de Málaga. Arkaradejdachachai, C. (1993). Study of corporate turnaround, Using a probability of bankruptcy. Tesis doctoral, Universidad de Missouri. Arquero, J.L., Abad, M.C. y Jiménez, S.M. (2009). Procesos de fracaso empresarial en Pymes. Identificación y contrastación empírica. Revista Internacional de la Pequeña y Mediana Empresa, 2(1), 64-77. Atiya, A.F. (2001). Bankruptcy Prediction for Credit Risk Using Neural Network: A Survey and New Results. IEEE Transactions on Neural Networks, 12(4), 929-935. Aysun, U. (2014). Bankruptcy resolution and economic fluctuations. Journal of Macroeconomics, 40, 387-399. Back, B., Laitinen, T. y Sere, K. (1996). Neural networks and genetic algorithms for bankruptcy predictions. Expert Systems with Application, 11, 407–413. Predicción de viabilidad empresarial 134 Baldwin, J. y Glezen, G.W. (1992). Bankruptcy prediction using quarterly financial statement data. Journal of Accounting, Auditing and Finance, 7, 269-289. Beaver, W.H. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 5, 71-111. Bellovary, J., Giacomino, D. y Akers, M. (2007). A Review of Bankruptcy Prediction Studies: 1930 to Present. Journal of Financial Education, 33, 1-42. Bernstein, L.A. (1984). Análisis de Estados Financieros. Ed. Deusto. Bilbao. Bose, I. y Pal, R. (2006) .Predicting the survival or failure of click-and-mortar corporations: a knowledge discovery approach. European Journal Operation Research. 174, 959– 982. Borrajo, M., Baruque, B., Corchado, E., Bajo, J. y Corchado, J. (2011). Hybrid neural intelligent system to predict business failure in small-to-medium-size enterprises. International Journal Neural Systems, 21(4), 277–296. Callejón, A.M., Casado, A.M., Fernández, M.A. y Peláez, J.I. (2013). A System of Insolvency Prediction for industrial companies using a financial alternative model with neural networks. International Journal of Computational Intelligence Systems, 4, 1-13. Campbell, S.V. (1996). Predicting Bankruptcy Reorganization for Closely Held Firms. Accounting Horizons, 10(3), 12-26. Capítulo 2: Revisión de la literatura 135 Chen, M.-Y. (2011). Predicting corporate financial distress based on integration of decision tree classification and logistic regression. Expert Systems with Applications, (38), 112611127. Cheng, C., Chen, C-L y Fu, C.J. (2006). Financial Distress Prediction by a Radial Basis Function Network with LOGIT Analysis Learning. Computer and Mathematics with Applications, 51, 579-588. Ciampi, F. (2015). Corporate governance characteristics and default prediction modelling for small enterprises. An empirical analysis of Italian firms. Journal of Business Research, 68, 1012-1025. Cielen, A., Ludo, P. y Vanhoof, K. (2004). Bankruptcy prediction using a data envelopment analysis. European Journal Operation Research, 154, 526–532. Coats, P. y Fant, L. (1992). A neural network approach to forecasting financial distress. The Journal of Business Forecasting Methods & Systems 10(4), 9-12. Coats, P. y Fant, L. (1993). Recognizing financial distress patterns using a neural network tool. Financial Management, 22(3), 142-155. Cornelli, F. y Felli, L. (1997). Ex-ante efficiency of bankruptcy procedures. European Economic Review, 41, 475-485. Predicción de viabilidad empresarial 136 Couwenberg, O. (2001). Survival rates in bankruptcy systems: overlooking the evidence. European Journal of Law and Economics, 12, 253-273. Darayseh, M., Waples, E. y Tsoukalas, D. (2003). Corporate failure for manufacturing industries using firms specifics and economic environment whit LOGIT analysis. Managerial Finance, 29(8), 23-37. Davydenko, S. y Franks, J. (2008). Do Bankruptcy Codes Matter? A Study of Defaults in France, Germany and the UK. Journal of Finance, 63(2), 565-608. Diamond, J. H. (1976). Pattern recognition and the detection of corporate failure. Ph.D. Dissertation, New York University. Dimitras, A.I., Slowinski, R. y Susmaga, R. (1999). Business failure prediction using rough sets. European Journal Operation Research, 114, 263–280. Dimitras, A., Zanakis, S. y Zopounidis, C. (1996). A survey of business failures with an emphasis on prediction methods and industrial applications. European Journal of Operational Research, 90, 487-513. Ding, Y., Song, X. y Zeng, Y. (2008). Forecasting financial condition of Chinese listed companies based on support vector machine. Expert Systems with Applications, 34, 3081– 3089. Capítulo 2: Revisión de la literatura 137 Djankov, S., McLiesh, C. y Shleifer, A. (2005). Private credit in 129 countries. Journal of Financial Economics, 84, 299329. Etemadi, H., Rostamy, A. y Dehkordi, H. (2009). A genetic programming model for bankruptcy prediction: empirical evidence from Iran. Expert Systems Applications, 36(2), 3199–3207. Flagg, J.C., Giroux, G.A. y Wiggins, C.E. (1991). Predicting Corporate Bankruptcy Using Failing Firms. Review of Financial Economics, 1(1), 61-78. Frydman, H., Altman, E.I. y Kao, D. (1985). Introducing recursive partitioning for financial classification: the case of financial distress. Journal Finance, 40, 269–291. Gao, L. (1999). Study of business failure in the hospitality industry from both micro economic and macroeconomic perspectives. Ph.D. dissertation, University of Nevada, Las Vegas. García, V. y Fernández, M.A. (1992). Solvencia y Rentabilidad de la Empresa Española. Instituto de Estudios Económicos. Madrid. Gennaioli, N. y Rossi, S. (2006). Optimal Resolutions of Financial Distress by Contract. IIES Stockholm University and Stockholm School of Economics. Predicción de viabilidad empresarial 144 Pastena, V. y Ruland, W. (1986). The Merger Bankruptcy Alternative. The Accounting Review, 61(2), 288-301. Patterson, D. (2001). Bankruptcy prediction: A model for the casino industry. Ph.D. dissertation, Universidad de Nevada, Las Vegas. Pendharkar, P.C. (2002). A Potential Use of Data Envelopment Analysis for the Inverse Classification Problem. Omega, 30(3), 243-248. Poston, K. y Harmon, W. (1984). Measuring manufacturing performance: the concepts of productivity, quality and quality cost. American Accounting Association Annual Meeting, Toronto, Canada. Povel, P. (1999). Optimal «Soft» or «Tough» bankruptcy procedures. Journal of Law, Economics, and Organization 15(3), 659-684. Premachandra, I.M., Chen, Y. y Watson, J. (2011). DEA as a tool for predicting corporate failure and success: a case of bankruptcy assessment. Omega, 39(6), 620–626. Qian, J. y Strahan, P. (2007). How law and institutions shape financial contracts: The case of bank loans. Journal of Finance 62(6), 2.803-2.834. Capítulo 2: Revisión de la literatura 145 Rafiei, F.M., Manzari, S.M. y Bostanian, S. (2011). Financial health prediction models using artificial neural networks, genetic algorithm and multivariate discriminant analysis: iranian evidence. Expert Systems with Application, 38, 10210–10217. Ravisankar, P., Ravi, V. y Bose, I. (2010). Failure prediction of dotcom companies using neural network-genetic programming hybrids. Informatic Science, 180, 1257–1267. Ravisankar, P. y Ravi, V. (2010). Financial distress prediction in banks using Group Method of Data Handling neural network, counter propagation neural network and fuzzy ARTMAP. Knowledge-Based Systems, 23, 823–831. Rose, P. y Kolari, J. (1985). Early warning systems as a monitoring device for bank condition. Quarterly Journal of Business and Economics, 24(1), 43-60. Ryu, Y. y Yue, W. (2005). Firm bankruptcy prediction: experimental comparison of isotonic separation and other classification approaches. IEEE Trans. Syst. Man Cybern–Part A: Systems Humans, 21(4), 265–276. Salchenberger, L., Cinar, E. y Lash, N. (1992). Neural networks: A new tool for predicting bank failures. Decission Sciences, 23, 899-916. Shah, J. y Murtaza, M. (2000). A neural network based clustering procedure for bankruptcy prediction. American Business Review, 18(2), 80-86. Predicción de viabilidad empresarial 146 Sarkar, S. y Sriram, R.S. (2001). Bayesian models for early warning of bank failures. Management Science, 47(11), 1457–1475. Serrano-Cinca, C. (1996). Self organizing neural networks for financial diagnosis. Decision Support Systems, 17(3), 227238. Shin, K. S. y Lee, Y. J. (2002). A genetic algorithm application in bankruptcy prediction modeling. Expert Systems with Application, 23, 321–328. Shin, K. S., Lee, T. S. y Kim, H. J. (2005). An application of support vector machines in bankruptcy prediction model. Expert Systems with Application, 28, 127–135. Sinkey, J. F. (1975). A multivariate statistical analysis of the characteristics of problem banks. Journal of Finance, 30, 2136. Skogsviki, K. (1980). Current cost accounting ratios as predictors of business failure. The Swedish case. Journal of Business, Finance and Accounting, 17(1), 137-160. Smith, D. C., y Strömberg, P. (2003). Maximizing the value of distressed assets: Bankruptcy law and the efficient reorganization of firms. En Honohan, P., y Laeven, L. Eds. Systemic financial crisis. Containment and resolution, Cambridge: Cambridge University Press: 232-275. Capítulo 2: Revisión de la literatura 147 Sun, J. y Li, H. (2008). Data mining method for listed companies financial distress prediction. Knowledge-Based Systems, 21, 1–5. Sun, J. y Li, H. (2008). Listed companies financial distress prediction based on weighted majority voting combination of multiple classifiers. Expert Systems with Application, 35, 818–827. Sun, L. y Shenoy, P. (2007). Using Bayesian networks for bankruptcy prediction: Some methodological issues. European Journal Operation Research, 180, 738–753. Sun, T., Chang, N. y Lee, G. (1999). Dynamics of modeling in data mining. Interpretive approach to bankruptcy prediction. Journal of Management Information Systems, 16(1), 63-85. Sun, J., Li, H., Huang, Q. H. y He, K. Y. (2014). Predicting financial distress and corporate failure: A review from the state-of-the-art definitions, modeling, sampling, and featuring approaches. Knowledge-Based Systems, 57, 41–56. Taffler, R. (1984). Empirical models for the monitoring of UK corporations. Journal of Banking and Finance, 8(2), 199-227. Tam, K. (1991). Neural network models and the prediction of bank bankruptcy. Omega, 19(5), 429–445. Tam, K. y Kiang, M. (1992). Managerial applications of neural networks: the case of bank failure prediction. Management Science, 38(7), 926–947. Predicción de viabilidad empresarial 148 Theodossiou, P. (1991). Alternative models for assessing the financial condition of Business in Greece. Journal of Business and Accounting, 18(5), 697-720. Tsukuda, J. y Baba, S. (1994). Predicting Japanese Corporate Bankruptcy in terms of financial date using Neural Network. Computers and Industrial Engineering, 27, 445-448. Varetto, F. (1998). Genetic algorithms applications in the analysis of insolvency risk. Journal Banking Finance, 22, 1421–1439. Wang, B. (2004). Strategy changes and internet firm survival. Ph.D. dissertation, University of Minnesota. Watson, J. y Everett, J. (1995). Do Small Business Have a High Failure Rate? Sydney: International Council for Small Business. West, R.C. (1985). A factor-analytic approach to bank condition. Journal of Banking and Finance, 9, 253-266. Wilson, R. L. y Sharda, R. (1994). Bankruptcy prediction using neural networks. Decision Support Systems, 11, 545557. Wu, C. H., Tzeng, G. H., Goo, Y. J. y Fang, W. C. (2007). A real-valued genetic algorithm to optimize the parameters of support vector machine for predicting bankruptcy. Expert System with Applications, 32, 397-408. Capítulo 2: Revisión de la literatura 149 Wu, W. (2011). Improving classification accuracy and causal knowledge for better credit decisions. International Journal of Neural Systems, 21(4), 297–309. Wu, D., Liang, L. y Yang, Z. (2008). Analyzing the financial distress of Chinese public companies using probabilistic neural networks and multivariate discriminate analysis. SocioEconomic Planning Science, 42(3), 206–220. Wang, Y., Wang, S. y Lai, K. K. (2005). A new fuzzy support vector machine to evaluate credit risk. IEEE Transactions on Fuzzy Systems, 13(6), 820–831. Yang, Z. R., Platt, M. B. y Platt, H. D. (1999). Probabilistic neural networks in bankruptcy prediction. Journal of Business Research, 44, 67–74. Yeh, C. C., Chi, D. J. y Hsu, M. F. (2010). A hybrid approach of DEA, rough set and support vector machines for business failure prediction. Expert Systems with Application, 37, 1535– 1541. Zanganeh, T., Rabiee, M. y Zarei, M. (2011). Applying NeuroFuzzy Modelfor Bankruptcy Prediction. International Journal of Computer Applications, 20 (3), 15-21. Zavgren, C. (1985). Assessing the vulnerability to failure of American industrial firms: A logistic analysis. Journal of Business Finance & Accounting, 12(1), 19-45. Predicción de viabilidad empresarial 150 Zhang, G., Hu, M. Y., Patuwo, B. E. e Indro, D. C. (1999). Artificial neural networks in bankruptcy prediction: General framework and cross-validation analysis. European Journal of Operational Research, 116(1), 16-33. 151 CAPÍTULO 3 MÉTODOS Predicción de viabilidad empresarial 152 Capítulo 3: Métodos 153 Como ya se ha puesto de manifiesto en el capítulo anterior, existen diversos modelos de predicción de insolvencia empresarial. En general, la investigación previa ha utilizado frecuentemente predictores de insolvencia de tipo financiero, que son obtenidos principalmente de la información contable de las empresas y que posteriormente son introducidos en los modelos para su análisis. Además, el problema de predicción de insolvencia ha resultado ser, generalmente, un problema de clasificación binario, pues los modelos desarrollados han considerado empresas insolventes, por un lado, y empresas solventes, por otro. Para tales modelos binarios se han utilizado técnicas estadísticas como MDA, LOGIT y Probit. También sistemas computacionales como NN. Sin embargo, las hipótesis de la presente tesis doctoral exigen considerar tres categorías de empresas en torno a la solvencia, por lo que se hace necesaria la construcción de un modelo de predicción para la resolución de un problema de clasificación multiclase. Para estos casos existen técnicas estadísticas y computacionales. Entre las primeras destaca MDA, y entre las segundas los denominados Perceptrón Multicapas (MLP), Árboles de Decisión (DT) y el Clasificador Bayesiano Ingenuo (CBI). En el presente capítulo abordamos los principales fundamentos metodológicos de los métodos de clasificación multiclase señalados. Predicción de viabilidad empresarial 256 Discusión de resultados 257 A continuación se analizaran de forma pormenorizada los resultados obtenidos para predecir la insolvencia con modelos multiclase utilizando información correspondiente a 1, 2 y 3 años antes de la declaración de concurso de acreedores. El presente modelo ha identificado con éxito las empresas en alguna de las tres categorías objeto de estudio, con resultados del 91,02%, 83,01% y 86,35%, para 1, 2 y 3 años previos a la declaración de concurso, respectivamente. Los mejores ajustes de los modelos se han obtenido con CBI, que ha superado a otros métodos (MDA y DT). En general, los tres clasificadores utilizados han dado altos niveles de ajustes, pero el nivel más elevado para CBI podría ser consecuencia de su capacidad de clasificación cuando se utilizan bases de datos de tamaño reducido, como las de la presente investigación. Además, porque CBI considera que cada variable contribuye de manera independiente a la probabilidad para explicar el problema de objeto de clasificación. No obstante lo anterior, los resultados obtenidos en la presente investigación no han podido ser comparados en su totalidad con los de la literatura previa, ya que la misma utiliza terminología clásica de procedimientos de suspensión de pagos y quiebra, mientras que aquélla ha considerado la de la actual Ley Concursal, que se refiere a convenio y a liquidación. Cabe destacar que el objetivo de obtener unas conclusiones comparables con los trabajos realizados por el resto de autores sobre predicción de insolvencia nos ha llevado también a utilizar un gran número de variables, que Predicción de viabilidad empresarial 258 se corresponderían con todas las que inicialmente fueron consideradas en los diferentes trabajos de investigación, inclusive aquéllas que finalmente no resultaron explicativas en los mismos. En este sentido, y conforme a los resultados obtenidos por los modelos multiclase desarrollados en este trabajo, el conjunto de variables más utilizadas en la literatura previa también ha sido válido para la presente investigación, si bien con unas características específicas en cuanto a composición de las mismas. Por ejemplo, nuestras variables más significativas han resultado ser V4, V5, V9, V12 y V13, mientras que en estudios previos la selección de variables difiere (Bellovary et al., 2007). De otra parte, hay un conjunto de variables que en nuestros modelos no han resultado significativas, mientras que si lo han sido en la literatura previa. Por ejemplo, la comparación Total Deudas/Total Activo (V10) como medida del endeudamiento total, y Forma Jurídica (V14), que fueron significativas en los estudios de Gu y Gao (2000), Gu (2002), Kim y Gu (2006b) y Park y Hancer (2012) entre otros. Así mismo, las variables de gobierno corporativo que hacen referencia al órgano de gobierno y al número de miembros que lo componen, sólo han tenido el impacto esperado en los modelos construido utilizando información correspondiente a 1 y 2 años antes del proceso concursal, posiblemente porque la toma de decisiones financieras y de gestión empresarial a largo plazo son tomadas por la alta dirección y no por los administradores de las compañías que las refrendan, en los casos de grandes compañías. En el caso de las pequeñas y medianas empresas, pudieran ser debido a la confusión en las mismas personas del órgano de dirección y de administración. Discusión de resultados 259 En otro orden de ideas, las medidas clásicas de liquidez no han sido seleccionadas de forma significativa en los modelos construidos. Tan sólo han sido importantes las que afectan al tamaño del fondo de maniobra o working capital como V2 y V3. Sin embargo, otras medidas de liquidez tales como V6 (Tesorería+Deudores/Pasivo Corriente) y V11 (Tesorería/Activo Total) en ningún caso han resultado relevantes. Por tanto, la liquidez inmediata de las compañías no parece tener relación con el problema de multiclasificación objeto de estudio. Dicho lo anterior, no debería confundirse la escasa incidencia de la liquidez inmediata para predecir la insolvencia, con la imperiosa necesidad de una liquidez mínima para la supervivencia en el proceso concursal, y que permita facilitar la obtención de un convenio. De otra parte, y al realizar los tests no paramétricos se comprobó que un gran número de las variables consideradas se mostraban como variables estadísticamente relevantes para discriminar entre las tres categorías de la variable dependiente, siendo pocas las que no han mostrado ningún signo de relevancia. Tal es el caso de la muestra M1, para la que una gran mayoría de variables se podrían considerar a priori que van a ayudar a la tarea de predicción del modelo (únicamente para V9 se acepta la hipótesis nula de tener valores similares en las tres categorías). Para la muestra M2 sólo tres variables (V3, V9 y V11) han aceptado la hipótesis nula en los tests no paramétricos. Y en la muestra M3, las variables seleccionadas que aceptan la hipótesis nula del test no paramétrico de Kruskal-Wallis son las mismas que en M2 (V3, V9 y V11). Sin embargo, haciendo comparación entre los resultados del test no paramétrico y el conjunto de variables seleccionadas por el mejor clasificador (CBI) para cada Predicción de viabilidad empresarial 260 muestra, es posible concluir que, para M1, ambos análisis (exploratorio y confirmatorio) coincidieron en seleccionar las variables V4, V5, V7, V8, V11, V12, V13 y V17 como predictores. También hay que tener en cuenta que V9, en primera instancia, no fue seleccionada como óptima para la discriminación del modelo y que, sin embargo, posteriormente si fue incluida por el CBI en el conjunto de mejores variables. Por el contrario, V16 fue seleccionada por el CBI, pero no se incluyó en el test no paramétrico debido a su carácter dicotómico. En el caso de M2, la coincidencia de ambos procedimientos de análisis ha dado lugar a la selección de las variables V4, V5, V7, V8, V12, V13 y V17. Sin embargo, el test no paramétrico, en principio, también seleccionó V3 y V11, variables que posteriormente no aparecieron en los resultados del CBI. Por el contrario, V9 no se consideraba relevante para explicar en los modelos, pero finalmente fue confirmada por el CBI. Por último, respecto a M3, el test no paramétrico arroja los mismos resultados que para las muestras anteriores. Toma como variables con escaso poder de discriminación a V3, V9 y V11. No obstante, CBI toma como variables más significativas, además, V4, V5, V6, V12, V13 y V15. En la presente discusión de resultados confirmamos también sobre si son extensibles los modelos construidos en este trabajo a empresas de otros países con legislación latina, germánica y anglosajona en materia de derecho concursal. Pensamos al respecto que los modelos construidos pueden ser generalizados a otros países. En primer lugar, porque la propia definición de insolvencia recogida por la normativa de Discusión de resultados 261 la Unión Europea es común en líneas generales para todos los países miembros, pues el legislador ha intentado conciliar los principios de universalidad y de territorialidad de la quiebra (González, Sánchez y Perea, 2003). No obstante existen matices respecto al momento en que se produce la obligación formal de presentar judicialmente una declaración de insolvencia (insolvencia inminente, momento en que la compañía considera que en breve tiempo no podrá atender sus obligaciones de pago futuras, y la insolvencia, cuando los activos tengan un valor inferior al pasivo en un momento concreto). En segundo lugar, porque las Normas Internacionales de Contabilidad, generalmente adaptadas de los sistemas anglosajones (EE.UU. y Reino Unido), han sido recogidas por diferentes directivas de la Comunidad Económica Europea. Y, por otro lado, las Normas Internacionales de Auditoría aplicables al caso español, reguladas y aprobadas por el Instituto de Contabilidad y Auditoría de Cuentas, están basadas en las normas técnicas de auditoría que se utilizan en EE.UU. Finalmente, porque gran parte de los países tienen similares conceptos del convenio de acreedores y de liquidación, incluyendo la venta global de la empresa o de unidades productivas, clasificación de pasivo prededucible y pasivos concursales. Quizás podríamos destacar la diferencias propias de la legislación alemana, que por su agilidad, alta profesionalización del órgano de administración concursal, la figura del Comité de Acreedores y la no excesiva proliferación de institutos preconcursales, mantiene un interesante sistema “craw down” que impide el bloqueo de acuerdos por parte de los acreedores privilegiados, cuando los acuerdos de la mayoría no les perjudiquen económicamente. En este orden Predicción de viabilidad empresarial 262 de cosas, esto podría justificar que mientras para el resto de los países europeos, los convenios de acreedores oscilan alrededor de un 5% de los concursos presentados, en Alemania se obtienen convenios en aproximadamente el 25% de los casos. Conclusiones 263 CONCLUSIONES Predicción de viabilidad empresarial 264 Conclusiones 265 El objetivo de la presente tesis doctoral es cubrir el gap de expectativas generado por la falta de trabajos de investigación que modelizan el comportamiento de empresas solventes, de empresas insolventes que resulten viables a través de un convenio con sus acreedores, y de las insolventes que finalmente terminan en liquidación. Se ha tratado, pues, de aportar conocimiento, no sólo para clasificar empresas potencialmente solventes o insolventes, si no para identificar aquéllas que, si incurrieran en un proceso concursal, podrían superarlo mediante un convenio con sus acreedores, garantizando su viabilidad. Para resolver esta cuestión hemos construido una base de datos inédita, respecto a las empresas en concurso de acreedores en España. Dicha base de datos, completada con la información financiera y corporativa obtenida a través de SABI (Sistema de Análisis de Balances Ibéricos) de Bureau van Dijk, ha proporcionado una muestra total de 246 empresas correspondientes al periodo 2006-2013. Posteriormente, se aplicaron métodos computacionales de clasificación multiclase de carácter híbrido (basados en los clasificadores CBI, DT y MDA), utilizando 15 variables financieras generalmente aceptadas en la literatura previa, y 2 variables incluidas como novedad en la presente investigación relacionadas con el gobierno corporativo. Con tales métodos se ha obtenido un poder de clasificación que oscila entre el 91,02% y el 80,27%. En este sentido, los mejores resultados fueron conseguidos utilizando información de 1 y 3 años antes de la declaración de insolvencia (M1 y M3) con el clasificador CBI. Predicción de viabilidad empresarial 272 273 BIBLIOGRAFÍA GENERAL Predicción de viabilidad empresarial 274 Bibliografía general 275 Abad, C., Arquero, J.L. y Jiménez, S. (2008). Fracaso empresarial: características y tipos. Madrid: Asociación Española de Contabilidad y Administración de Empresas. Abdullah, N.A.H., Halim, A., Ahmad, H. y Rus, R.M. (2008). Predicting Corporate Failure of Malaysia's listed companies: comparing multiple discriminant analysis, logistic regression and the hazard model. International Research Journal of Finance and Economics, 15, 201-217. Adiego, M.J. y Gonzalez, J. (2008). Análisis bibliográfico de los concursos de acreedores. AECA. Ahn, H. y Kim, K. (2009). Bankruptcy prediction modeling with hybrid case-based reasoning and genetic algorithms approach. Application Software Computing, 9, 599–607. Alam, P., Booth, D., Lee, K. y Thordarson, T. (2000). The use of fuzzy clustering algorithm and self-organizing neural networks for identifying potentially failing banks: An experimental study. Expert Systems with Applications 18, 185-199. Alfaro, E., Gámez, M. y García, N. (2007). Multiclass Corporate Failure Prediction by Adaboost.M1. International Advances in Economic Research, 13(3), 301-312. Alici, P.Y. (1996).Neutral networks in corporate failure prediction. The UK experience. Neural Networks in Financial Engineering. Mostafa, A. Moddy, J. y Weigend, A. (eds). Singapore. World Scientific, 393-406. Altman, E.I. (1968). Financial ratios, discriminant analices and the prediction of corporate bankruptcy. Journal of Finance, 23(4), 589-609. Predicción de viabilidad empresarial 276 Altman E.I., Marco, G. y Varetto, F. (1994). Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks (The Italian experience). Journal of Banking and Finance, 18, 505-529. Altman, E.I. (1977). Predicting performance in the savings and loan association industry. Journal of Monetary Economics, 3, 443-466. Altman, E.I. (1993). Corporate Financial Distress and Bankruptcy. Second Edition. New York. John Wiley & Sons. Altman, E.I., Eom, Y. H. y Kim, D.W. (1995). Failure Prediction: Evidence from Korea. Journal of International Financial Management and Accounting, 6, 230-249. Altman, E.I. y Hotchkiss, E. (2006).Corporate Financial Distress and Bankruptcy. Predict and avoid Bankruptcy, Analyze and Invest in Distressed Debt. Third Edition. Wiley Finance. Anandarajan, M., Lee, P. y Anandarajan, A. (2001). Bankruptcy prediction of financially stressed firms: An examination of the predictive accuracy of artificial neural networks. Intelligent Systems Accounting Finance Management, 10, 69–81. Anandarajan, M., Lee, P. y Anandarajan, A. (2004). Bankruptcy predication using neural networks. Business Intelligence Techniques: A Perspective from Accounting and Finance. Apetiti, A. (1984). Identifiyng unsound firms in Italy. An attempt to use trend variables. Journal of Banking and Finance, 8(2), 269-279. Bibliografía general 277 Aran, O. y Akarun, L. (2010). A multi-class classification strategy for Fisher scores: Application to signer independent sign language recognition. Pattern Recognition, 43(5), 1776– 1788. Aranda, E. (2013). Predicción de insolvencia en el sector restauración. Tesis doctoral, Universidad de Málaga. Arkaradejdachachai, C. (1993). Study of corporate turnaround, Using a probability of bankruptcy. Tesis doctoral, Universidad de Missouri. Arquero, J.L., Abad, M.C. y Jiménez, S.M. (2009). Procesos de fracaso empresarial en Pymes. Identificación y contrastación empírica. Revista Internacional de la Pequeña y Mediana Empresa, 2(1), 64-77. Atiya, A.F. (2001). Bankruptcy Prediction for Credit Risk Using Neural Network: A Survey and New Results. IEEE Transactions on Neural Networks, 12(4), 929-935. Aysun, U. (2014). Bankruptcy resolution and economic fluctuations. Journal of Macroeconomics, 40, 387-399. Back, B., Laitinen, T. y Sere, K. (1996). Neural networks and genetic algorithms for bankruptcy predictions. Expert Systems with Application, 11, 407–413. Bagner, J., Evansburg, A., Watson, V. y Welch, J. (2003). Senators seek on DoD mining of personal data. Intellectual Property & Technology Law Journal, 15(5), 19-20. Baldwin, J. y Glezen, G.W. (1992). Bankruptcy prediction using quarterly financial statement data. Journal of Accounting, Auditing, and Finance, 7, 269-289. Predicción de viabilidad empresarial 278 Barber, B. y Hamilton, H. (2003). Parametric Algorithms for Mining Share Frequent Itemsets. Journal of Intelligent Information Systems, 16(3), 277-293. Beaver, W.H. (1966). Financial ratios as predictors of failure. Journal of Accounting Research, 5, 71-111. Becchetti, L., Castillo, C., Donato, D., Baeza-Yates, R. y Leonardi, S. (2008). Link analysis for Web spam detection. ACM Transactions on the Web (TWEB), 2(1). Becker, C. (2014). Insolvenzrecht, 7ª Edición, Mohr Siebeck. Bellotti, T. y Crook, J. (2009). Credit scoring with macroeconomic variables using survival analysis. Journal of the Operations Research Society, 60(12), 1699–1707. Bellovary, J., Giacomino, D. y Akers, M. (2007). A Review of Bankruptcy Prediction Studies: 1930 to Present. Journal of Financial Education, 33, 1-42. Bernstein, L.A. (1984). Análisis de Estados Financieros. Ed. Deusto. Bilbao. Bolton, R. y Hand, D. (2002). Statistical fraud detection: a review. Statistical Science, 17(3), 235-255. Borrajo, M., Baruque, B., Corchado, E., Bajo, J. y Corchado, J. (2011). Hybrid neural intelligent system to predict business failure in small-to-medium-size enterprises. International Journal Neural Systems, 21(4), 277–296. Bose, I. y Pal, R. (2006). Predicting the survival or failure of click-and-mortar corporations: a knowledge discovery approach. European Journal Operation Research. 174, 959– 982. Bibliografía general 279 Callejón, A.M., Casado, A.M., Fernández, M.A. y Peláez, J.I. (2013). A System of Insolvency Prediction for industrial companies using a financial alternative model with neural networks. International Journal of Computational Intelligence Systems, 4, 1-13. Campbell, S.V. (1996). Predicting Bankruptcy Reorganization for Closely Held Firms. Accounting Horizons, 10(3), 12-26. Carreira-Perpinan, M.A. (2001). Continuous latent variable models for dimensionality reduction and sequential data reconstruction. PhD dissertation, Dept. of Computer Science, Univ. of Sheffield, U.K. Castillo, C., Donato, D., Gionis, A., Murdock, V. y Silvestri, F. (2007). Know your neighbors: web spam detection using the web topology, Proc. 30th Annual International ACM Conference on Research and Development in Information Retrieval, Amsterdam, SIGIR '07, New York, USA, 423–430. Chandola, V., Banerjee, A. y Kumar, V. (2009). Anomaly detection: a survey. ACM Computing Surveys, 41(3), 15. Chen, M. Y. (2011). Predicting corporate financial distress based on integration of decision tree classification and logistic regression. Expert Systems with Applications, 38, 112611127. Chen, M. Y. (2013). A hybrid ANFIS model for business failure prediction utilizing particle swarm optimization and subtractive clustering. Information Sciences, 220, 180-195. Chen, L., Ye, Q. y Li, Y. (2007). Research on GA-based bank customer's credit evaluation. Computer Engineering, 32(3), 70–72. Predicción de viabilidad empresarial 280 Cheng, C., Chen, C-L y Fu, C.J. (2006). Financial Distress Prediction by a Radial Basis Function Network with LOGIT Analysis Learning. Computer and Mathematics with Applications, 51, 579-588. Chye, K., Chin, T. y Peng, G. (2004). Credit scoring using data mining techniques. Singapore Management Review, 26(2), 25-47. Ciampi, F. (2015). Corporate governance characteristics and default prediction modelling for small enterprises. An empirical analysis of Italian firms. Journal of Business Research, 68, 1012-1025. Cielen, A., Ludo, P. y Vanhoof, K. (2004). Bankruptcy prediction using a data envelopment analysis. European Journal Operation Research, 154, 526–532. Coats, P. y Fant, L. (1992). A neural network approach to forecasting financial distress. The Journal of Business Forecasting Methods & Systems 10(4), 9-12. Coats, P. y Fant, L. (1993). Recognizing financial distress patterns using a neural network tool. Financial Management, 22(3), 142-155. Código de Comercio Alemán. Código de Comercio Francés. Código de Quiebra (Estados Unidos). Chapter 2: Estructuras amigables y procesos previos; Chapter 7: Liquidación; Chapter 10, 11 y 12: Reorganización de deuda. Cornelli, F. y Felli, L. (1997). Ex-ante efficiency of bankruptcy procedures. European Economic Review, 41, 475-485. Bibliografía general 281 Couwenberg, O. (2001). Survival rates in bankruptcy systems: overlooking the evidence. European Journal of Law and Economics, 12, 253-273. Darayseh, M., Waples, E. y Tsoukalas, D. (2003). Corporate failure for manufacturing industries using firms specifics and economic environment whit LOGIT analysis. Managerial Finance, 29(8), 23-37. Davydenko, S. y Franks, J. (2008). Do Bankruptcy Codes Matter? A Study of Defaults in France, Germany and the UK. Journal of Finance, 63(2), 565-608. Diamond, J. H. (1976). Pattern recognition and the detection of corporate failure. Ph.D. Dissertation, New York University. Dimitras, A., Zanakis, S. y Zopounidis, C. (1996). A survey of business failures with an emphasis on prediction methods and industrial applications. European Journal of Operational Research, 90, 487-513. Dimitras, A.I., Slowinski, R. y Susmaga, R. (1999). Business failure prediction using rough sets. European Journal Operation Research, 114, 263–280. Ding, Y., Song, X. y Zeng, Y. (2008). Forecasting financial condition of Chinese listed companies based on support vector machine. Expert Systems with Applications, 34, 3081– 3089. Djankov, S., McLiesh, C. y Shleifer, A. (2005). Private credit in 129 countries. Journal of Financial Economics, 84, 299329. Predicción de viabilidad empresarial 288 Khashman, A. (2010). Neural networks for credit risk evaluation: Investigation of different neural models and learning schemes. Expert Systems with Applications, 37(9), 6233–6239. Kim, H y Gu, Z. (2006a). A logistic regression analysis for predicting bankruptcy in the Hospitality Industry. The Journal of Hospitality Financial Management, 14(1), 17-34. Kim, H y Gu, Z. (2006b). Predicting Restaurant Bankruptcy. A LOGIT Model in Comparison with a Discriminant Model. Journal of Hospitality and Tourism Research, 30(4), 474-493. Kim, H.-W., Chan, H.C. y Gupta, S. (2007). Value-based adoption of mobile Internet: An empirical investigation. Decision Support Systems, 43(1), 111–126. Kohli, A., Jaworski, B. y Kumar, A. (1993), MARKOR: a measure of market orientation. Journal of Marketing Research, 10, 467-477. Kolmogorov, A.N. (1957). On the representations of continous functions of many variables by superpositions of continuous functions of one variable and addition. Doklady Akademii Nauk USSR, 114(5), 953-956. Krüger, F. (2014). Insolvenzrecht, 6ª Edición, Niederle Medic. Kwak, W., Shi, Y. y Kou, G. (2011). Bankruptcy prediction for Korean firms after the 1997 financial crisis: using a multiple criteria linear programming data mining approach. Review Quantitative Finance Account. La Ordenanza 2008-1345 de “Reforma de empresas en crisis” (Francia). Bibliografía general 289 La Ordenanza 2010-1512 sobre endeudamiento para el empresario individual de responsabilidad limitada (Francia). Larrañaga, P., Inza, I., Moujahid, A. (2007). Clasificadores Bayesianos. Universidad del País Vasco, Euskal Herriko, Unibertsitatea. Lee, K. (2001). Pattern classification and clustering algorithms with supervised and unsupervised neural networks in financial applications. Ph.D. dissertation, Kent State University. Lee, K.C., Han, I. y Kwon, Y. (1996). Hybrid Neural Network models for bankruptcy predictions. Decision Support System, 18, 63-72. Lee, S., Koh, Y., y Hang, K.H. (2011). Moderating effect of capital intensity on the relationship between leverage and financial distress in the US restaurant industry. International Journal of Hospitality Management, 30, 429-438. Legge Fallimentare de 1942 (Italia). Ley 2005-845 sobre “Sauverde des entreprises” (Francia). Ley 2012-387 sobre flexibilización de los procedimientos administrativos (Francia). Ley concursal Alemana (1999). La denominada Insolvenzordnung. Li, H., Huang, H., Sun, J. y Lin, C. (2010). On sensitivity of case-based reasoning to optimal feature subsets in business failure prediction. Expert System with Applications, 37(7), 4811–4821. Predicción de viabilidad empresarial 290 Li, H., Sun, J. y Wu, J. (2010). Predicting business failure using classification and regression tree: an empirical comparison with popular classical statistical methods and top classification mining methods. Expert Systems with Applications, 37(8), 5895–5904. Lin, H. Y. (2012). Efficient classifiers for multi-class classification problems. Decision Support Systems, 53, 473– 481. Lin, F., Yeh, C. C. y Lee, M. Y. (2011). The use of hybrid manifold learning and support vector machines in the prediction of business failure. Knowledge-Based Systems, 24, 95-101. Lin, T.H. (2009). A cross model study of corporate financial distress prediction in Taiwan: Multiple Discriminant Analysis, LOGIT, probit and neural networks models. Neurocomputing, 72, 3507-3516. Liong, S. y Sivapragasam, Ch. (2002). Flood stage forecasting with support vector machines. Journal of the American Water Resources Association, 38(1), 173-186. Lo, A.W. (1986). LOGIT versus discriminan analysis: a specification test and application to corporate bankruptcies. Journal of Econometrics, 31, 151-178. López Gutiérrez, C., García Olalla, M. y Torre Olmo, B. (2009). The influence of bankruptcy law on equity value of financially distressed firms: A European comparative analysis. International Review of Law and Economics, 29, 229-243. Bibliografía general 291 López Gutiérrez, C., Torre Olmo, B. y Díaz Díaz, B. (2005). Características determinantes y contenido informativo de los mecanismos de reestructuración financiera. Revista Europea de Dirección y Economía de la Empresa, 14(2), 111-124. López, C., Torre, B y García, M. (2011). Valoración económica de la eficiencia de los sistemas concursales: un análisis empírico internacional. Revista española de financiación y contabilidad, 10(150), 221-250. Lopucki, L.M. (1983). The Debtor in Full Control Systems Failure under Chapter 11 of the Bankruptcy Code?. American Bankruptcy Law Journal, 57, 99-126. Maldonado, S., Weber, R. y Basak, J. (2011). Simultaneous feature selection and classification using kernel-penalized support vector machines. Information Sciences, 18, 115–128. Malinen, J., Maltamo, M. y Verkasalo, E. (2003). Predicting the internal quality and value of Norway spruce trees by usin two non-parametric nearest neighbor methods. Forecast Products Journal, 53(4), 85-94. Manzaneque, M., Banegas, R. y García, D. (2010). Diferentes procesos de fracaso empresarial. Un análisis dinámico a través de la aplicación de técnicas estadísticas cluster. Revista Europea de Dirección y Economía de la Empresa, 19(3), 67-88. Martín, B. y Sanz, A. (2001). Redes neuronales y sistemas borrosos. Ed. Ra-Ma. Madrid. McKee T.E. y Greenstein, M. (2000). Predicting bankruptcy using recursive partitioning and a realistically proportioned data set. Journal Forecasting, 19, 219–230. Predicción de viabilidad empresarial 292 McKee, T.E. (2000). Developing a bankruptcy prediction model via rough sets theory. Intelligent Systems Accounting Finance Management, 9, 159–173. Mensah, Y.M. (1983). The Differential Bankruptcy Predictive Ability of Specific Price Level Adjustments: Some Empirical Evidence. The Accounting Review, 53(2), 228-246. Meyer, P. y Pifer, H. (1970). Prediction of bank failures. JOUHli1l of Finance, 25(4), 853-868. Min, J.H. y Lee, Y.C. (2005). Bankruptcy prediction using support vector machine with optimal choice of kernel function parameters. Expert Systems with Application, 28, 128–134. Minsky, M.L. y Papert, S.A. (1969). Perceptrons: An Introduction to Computational Geometry. Mit Press. Cambridge. Mulford, C.W. y Comiskey, E.E. (2005). Creative cash-flow reporting. Uncovering Sustanaible Financial Performance. John Wiley and Sons. New Jersey. Neophytou, E. y Molinero, C.M. (2004). Predicting corporate failure in the UK: A multidimensional scaling approach. Journal of Business Finance and Accounting, 31(5/6), 677710. Nour, M. (1994). Improved clustering and classification algorithms for the Kohonen selforganizing neural network. Ph.D. dissertation, Kent State University. Nuñez de Castro, L. y von Zuben, F.J. (1998). Optimised Training Techniques for Feedforward Neural Networks. Bibliografía general 293 Technical Report DCA-RT 03/98. Department of Computer Engineering and Industrial Automation. FEE/UNICAMP, Brasil. Odom, M.D. y Sharda, R. (1990). A neural networks for bankruptcy prediction. IEEE INNS International Joint Conference on Neural Networks, 2(17-21), 163-168. Ohlson, J.A. (1980). Financial ratios and the probabilistic Prediction of Bankruptcy. Journal of Accounting Research, 18(1), 109-131. Olson, D. L., Delen, D. y Meng, Y. (2012). Comparative analysis of data mining methods for bankruptcy prediction. Decision Support Systems, 52, 464473. Orsenigo, C. y Vercellis, C. (2003). Multivariate classification trees based on minimum features discrete support vector machines. IMA Journal of Management Mathematics, 14(3), 221–234. Pacheco, S.D., Díaz, L.G. y García, R. (2005). El clasificador Naïve Bayes en la extracción de conocimiento de bases de datos. Ingenierías, 27(8), 24-33. Papatheodorou, C. , Kapidakis, S., Sfakakis, M. y Vassiliou, A. (2003). Mining use communities in digital libraries. Information Technology and Libraries, 22(24), 152-157. Park, C. S. y Han, I. (2002). A case-based reasoning with the feature weights derived by analytic hierarchy process for bankruptcy prediction. Expert Systems with Applications, 23, 255–264. Predicción de viabilidad empresarial 294 Park, S. M. y Hancer, M. (2012). A comparative study of logit and artificial neural networks in predicting bankruptcy in the hospitality industry. Tourism Economics, 18(2), 311-338. Pastena, V. y Ruland, W. (1986). The Merger Bankruptcy Alternative. The Accounting Review, 61(2), 288-301. Pastor, D. (2014). Informes de la Administración Concursal. Tirant Lo Blanch, Valencia. Patterson, D. (2001). Bankruptcy prediction: A model for the casino industry. Ph.D. dissertation, Universidad de Nevada, Las Vegas. Pendharkar, P.C. (2002). A Potential Use of Data Envelopment Analysis for the Inverse Classification Problem. Omega, 30(3), 243-248. Peng, Y., Kou, G., Wang, G. y Shi, Y. (2011). FAMCDM : A fusion approach of MCDM methods to rank multiclass classification algorithms. Omega, 39, 677-689. Peng, H., Long, F. y Ding, C. (2005). Feature selection based on mutual information: Criteria of max-dependency, maxrelevance, and min-redundancy. IEEE Transactions on Pattern Analysis and Machine Intelligence, 27(8), 1226–1238. Poston, K. y Harmon, W. (1984). Measuring manufacturing performance: the concepts of productivity, quality and quality cost. American Accounting Association Annual Meeting, Toronto, Canada. Povel, P. (1999). Optimal «Soft» or «Tough» bankruptcy procedures. Journal of Law, Economics, and Organization 15(3): 659-684. Bibliografía general 295 Premachandra, I.M., Chen, Y. y Watson, J. (2011). DEA as a tool for predicting corporate failure and success: a case of bankruptcy assessment. Omega, 39(6), 620–626. Qi, X. y Davison, B.D. (2009). Web page classification: Features and algorithms. ACM Computing Surveys (CSUR), 41(2), 1–31. Qian, J., y Strahan, P. (2007). How law and institutions shape financial contracts: The case of bank loans. Journal of Finance 62(6), 2.803-2.834. Quinlan, J. (1986). Induction of decision trees. Machine Learning, 1, 81–106. Quinlan, J. (1993). C4.5: Programs for Machine Learning (Morgan Kaufmann Series in Machine Learning). Morgan Kaufmann. R.D.L. 1/2015 de 27 de Febrero. Mecanismos de segunda oportunidad, reducción de carga financiera y otras medidas de orden social. Rafiei, F.M., Manzari, S.M. y Bostanian, S. (2011). Financial health prediction models using artificial neural networks, genetic algorithm and multivariate discriminant analysis: iranian evidence. Expert Systems with Application, 38, 10210–10217. Ravisankar, P. y Ravi, V. (2010) Financial distress prediction in banks using Group Method of Data Handling neural network, counter propagation neural network and fuzzy ARTMAP. Knowledge-Based Systems, 23, 823–831. Predicción de viabilidad empresarial 296 Ravisankar, P., Ravi, V. y Bose, I. (2010). Failure prediction of dotcom companies using neural network-genetic programming hybrids. Informatic Science, 180, 1257–1267. Reischl, K. (2014). Insolvenzrecht, 3ª Edición, C.F. Müller. Rose, P. y Kolari, J. (1985). Early warning systems as a monitoring device for bank condition. Quarterly Journal of Business and Economics, 24(1), 43-60. Ryu, Y. y Yue, W. (2005). Firm bankruptcy prediction: experimental comparison of isotonic separation and other classification approaches. IEEE Trans. Syst. Man Cybern–Part A: Systems Humans, 21(4), 265–276. Salchenberger, L., Cinar, E. y Lash, N. (1992). Neural networks: A new tool for predicting bank failures. Decission Sciences, 23, 899-916. Sánchez, J.J. (1984). Introducción a las técnicas de análisis multivariante aplicadas a las Ciencias Sociales. Centro de Investigaciones Sociológicas, Madrid. Sanchis, A. (2000). Una aplicación del análisis discriminante a la previsión de la insolvencia en las empresas españolas de seguros no-vida. Tesis doctoral. Universidad Complutense de Madrid. Facultad de Ciencias Económicas y Empresariales. Sarkar, S. y Sriram, R.S. (2001). Bayesian models for early warning of bank failures. Management Science, 47(11), 1457–1475. Serrano-Cinca, C. (1996). Self organizing neural networks for financial diagnosis. Decision Support Systems, 17(3), 227238. Bibliografía general 297 Shah, J. y Murtaza, M. (2000). A neural network based clustering procedure for bankruptcy prediction. American Business Review, 18(2), 80-86. Shang, Y. y Benjamin, W.W. (1996). Global Optimization for Neural Network Training. IEEE Computer, 29(3), 45-54. Shin, K.-S. y Lee, Y.-J. (2002). A genetic algorithm application in bankruptcy prediction modeling. Expert Systems with Application, 23, 321–328. Shin, K.-S., Lee, T.S. y Kim, H.-J. (2005). An application of support vector machines in bankruptcy prediction model. Expert Systems with Application, 28, 127–135. Sinkey, J.F. (1975). A multivariate statistical analysis of the characteristics of problem banks. Journal of Finance, 30, 2136. Skogsviki, K. (1980). Current cost accounting ratios as predictors of business failure. The Swedish case. Journal of Business, Finance and Accounting, 17(1), 137-160. Smith, D. C., y Strömberg, P. (2003). Maximizing the value of distressed assets: Bankruptcy law and the efficient reorganization of firms. En Honohan, P., y Laeven, L. Eds. Systemic financial crisis. Containment and resolution, Cambridge: Cambridge University Press: 232-275. Strehl, A. y Gosh, J. (2003). Relationship Based Clustering and Visualization for High Dimensional Data Mining. INFORMS Journal of Computing, 15(2), 208-230. Predicción de viabilidad empresarial 304 Anexos 305 ANEXO 1: HISTOGRAMAS Histogramas de las variables. M1 Predicción de viabilidad empresarial 306 Anexos 307 Predicción de viabilidad empresarial 308 Anexos 309 Predicción de viabilidad empresarial 310 Anexos 311 Predicción de viabilidad empresarial 312 Anexos 313 Predicción de viabilidad empresarial 320 Anexos 321 Predicción de viabilidad empresarial 322 Anexos 323 Predicción de viabilidad empresarial 324 Anexos 325 Predicción de viabilidad empresarial 326 Anexos 327 Predicción de viabilidad empresarial 328 Anexos 329 Predicción de viabilidad empresarial 336 Anexos 337 Predicción de viabilidad empresarial 338 Anexos 339 Predicción de viabilidad empresarial 340 Anexos 341 Predicción de viabilidad empresarial 342 Anexos 343 Predicción de viabilidad empresarial 344 Anexos 345 Predicción de viabilidad empresarial 352 Anexos 353 Script Análisis Discriminante Múltiple % Buscar conjuntos de variables independientes adecuados para Linear Discriminant Analysis % Similar a la técnica de Monte Carlo clear all warning off % Inicializar el generador de números aleatorios para obtener siempre los % mismos resultados rng('default'); % Numero de conjuntos de rasgos que probar NumConjuntos=100; % Repeticiones que hacer por cada conjunto NumRepeticiones=10; % Leer los datos del problema NumClases=3; DatosCrudos=xlsread('Datos Daniel 1 año antes 9 3 2015.xls'); NumeroVariablesIndependientes=size(DatosCrudos,2)-1 % Inicializar variables de resultados MediasMatricesConfusionVal=zeros(NumClases,NumClases,NumConjuntos ); MediasAciertosVal=zeros(NumConjuntos,1); MediasMatricesConfusionTest=zeros(NumClases,NumClases,NumConjunto s); MediasAciertosTest=zeros(NumConjuntos,1); Predicción de viabilidad empresarial 354 RasgosElegidos=cell(NumConjuntos,1); % Permutar los posibles conjuntos de rasgos PermConjuntosRasgos=randperm(2^NumeroVariablesIndependientes); % Probar con el número de conjuntos de rasgos especificado for NdxConjunto=1:NumConjuntos NdxConjunto % Elegir un conjunto de rasgos y tomar esos rasgos de la matriz de % datos en crudo ConjuntoRasgosElegido=PermConjuntosRasgos(NdxConjunto); VectorBinario=de2bi(ConjuntoRasgosElegido1,NumeroVariablesIndependientes)==1; MisRasgosElegidos=1+find(VectorBinario); % X son las variables independientes X=DatosCrudos(:,MisRasgosElegidos); % Y es la variable dependiente que es la primera columna del fichero % Excel Y=DatosCrudos(:,1); IndicesMuestrasCompletas=find(sum(isnan(X),2)==0); X=X(IndicesMuestrasCompletas,:); Y=Y(IndicesMuestrasCompletas); RasgosElegidos{NdxConjunto}=MisRasgosElegidos; % Ver como se clasifica usando el conjunto de rasgos elegido try MatricesConfusionTest=zeros(NumClases,NumClases,NumRepeticiones); AciertosTest=zeros(1,NumRepeticiones); MatricesConfusionVal=zeros(NumClases,NumClases,NumRepeticiones); Anexos 355 AciertosVal=zeros(1,NumRepeticiones); for NdxRepeticion=1:NumRepeticiones % Dividir las muestras en conjunto de entrenamiento (80%), % conjunto de validación (10%) y conjunto de test (10%) VectAleatorio=rand(1,numel(Y)); EntrenaIndices=find(VectAleatorio<0.8); ValIndices=find((VectAleatorio>=0.8) & (VectAleatorio<0.9)); TestIndices=find(VectAleatorio>=0.9); % Generar el LDA y ver como clasifica C1val=classify(X(ValIndices,:),X(EntrenaIndices,:),Y(EntrenaIndices),'line ar'); C1test=classify(X(TestIndices,:),X(EntrenaIndices,:),Y(EntrenaIndices),'li near'); MiMatrizConfusionVal=confusionmat(Y(ValIndices,:),C1val); MatricesConfusionVal(:,:,NdxRepeticion)=MiMatrizConfusionVal; AciertosVal(NdxRepeticion)=sum(diag(MiMatrizConfusionVal))/sum(MiMatr izConfusionVal(:)); MiMatrizConfusionTest=confusionmat(Y(TestIndices,:),C1test); MatricesConfusionTest(:,:,NdxRepeticion)=MiMatrizConfusionTest; AciertosTest(NdxRepeticion)=sum(diag(MiMatrizConfusionTest))/sum(MiM atrizConfusionTest(:)); end MediasMatricesConfusionVal(:,:,NdxConjunto)=squeeze(mean(MatricesCo nfusionVal,3)); MediasAciertosVal(NdxConjunto)=mean(AciertosVal); MediasMatricesConfusionTest(:,:,NdxConjunto)=squeeze(mean(MatricesC onfusionTest,3)); Predicción de viabilidad empresarial 356 MediasAciertosTest(NdxConjunto)=mean(AciertosTest); catch MiExcepcion % A veces no se puede clasificar para algún conjunto de rasgos fprintf('Imposible clasificar con el conjunto de rasgos=\r\n'); disp(MiExcepcion.message); disp(MisRasgosElegidos); end % Guardar resultados save('ResultadosDanielLDA.mat','RasgosElegidos','MediasMatricesConfusio nVal','MediasAciertosVal',... 'MediasMatricesConfusionTest','MediasAciertosTest','PermConjuntosRasgos '); end save('ResultadosDanielLDA.mat','RasgosElegidos','MediasMatricesConfusio nVal','MediasAciertosVal',... 'MediasMatricesConfusionTest','MediasAciertosTest','PermConjuntosRasgos '); [MaxAciertosVal NdxMaxAciertosVal]=max(MediasAciertosVal) MediasAciertosTest(NdxMaxAciertosVal) disp('Conjunto de variables con mejor resultado:') RasgosElegidos{NdxMaxAciertosVal} % Importancia de cada variable independiente NumeroVariablesIndependientes=17; VectoresBinarios=de2bi(PermConjuntosRasgos(1:NumConjuntos)- 1,NumeroVariablesIndependientes); Anexos 357 Correlacion=zeros(1,NumeroVariablesIndependientes); for NdxVar=1:NumeroVariablesIndependientes MyCorr=corr([VectoresBinarios(:,NdxVar) MediasAciertosVal]); Correlacion(NdxVar)=MyCorr(2); end disp('Correlacion entre usar o no cada variable independiente y el porcentaje de aciertos:') Correlacion Predicción de viabilidad empresarial 358 Anexos 359 Script Árboles de Decisión % Buscar conjuntos de rasgos adecuados para árboles de decisión clear all warning off % Inicializar el generador de números aleatorios para obtener siempre los % mismos resultados rng('default'); % Numero de conjuntos de rasgos que probar NumConjuntos=1000; % Repeticiones que hacer por cada conjunto NumRepeticiones=10; % Leer los datos del problema NumClases=3; DatosCrudos=xlsread('Datos Daniel 3 años antes 9 3 2015.xls'); % Inicializar variables de resultados MediasMatricesConfusionVal=zeros(NumClases,NumClases,NumConjuntos ); MediasAciertosVal=zeros(NumConjuntos,1); MediasMatricesConfusionTest=zeros(NumClases,NumClases,NumConjunto s); MediasAciertosTest=zeros(NumConjuntos,1); RasgosElegidos=cell(NumConjuntos,1); % Permutar los posibles conjuntos de rasgos Predicción de viabilidad empresarial 360 PermConjuntosRasgos=randperm(2^17); % Probar con el número de conjuntos de rasgos especificado for NdxConjunto=1:NumConjuntos NdxConjunto % Elegir un conjunto de rasgos y tomar esos rasgos de la matriz de % datos en crudo ConjuntoRasgosElegido=PermConjuntosRasgos(NdxConjunto); VectorBinario=de2bi(ConjuntoRasgosElegido-1,17)==1; MisRasgosElegidos=1+find(VectorBinario); X=DatosCrudos(:,MisRasgosElegidos); Y=DatosCrudos(:,1); RasgosElegidos{NdxConjunto}=MisRasgosElegidos; % Ver como se clasifica usando el conjunto de rasgos elegido try MatricesConfusionTest=zeros(NumClases,NumClases,NumRepeticiones); AciertosTest=zeros(1,NumRepeticiones); MatricesConfusionVal=zeros(NumClases,NumClases,NumRepeticiones); AciertosVal=zeros(1,NumRepeticiones); for NdxRepeticion=1:NumRepeticiones % Dividir las muestras en conjunto de entrenamiento (80%), % conjunto de validación (10%) y conjunto de test (10%) VectAleatorio=rand(1,numel(Y)); EntrenaIndices=find(VectAleatorio<0.8); ValIndices=find((VectAleatorio>=0.8) & (VectAleatorio<0.9)); TestIndices=find(VectAleatorio>=0.9); Anexos 361 % Generar el árbol de decisión y ver como clasifica O1=ClassificationTree.fit(X(EntrenaIndices,:),Y(EntrenaIndices)); C1val=O1.predict(X(ValIndices,:)); C1test=O1.predict(X(TestIndices,:)); MiMatrizConfusionVal=confusionmat(Y(ValIndices,:),C1val); MatricesConfusionVal(:,:,NdxRepeticion)=MiMatrizConfusionVal; AciertosVal(NdxRepeticion)=sum(diag(MiMatrizConfusionVal))/sum(MiMatr izConfusionVal(:)); MiMatrizConfusionTest=confusionmat(Y(TestIndices,:),C1test); MatricesConfusionTest(:,:,NdxRepeticion)=MiMatrizConfusionTest; AciertosTest(NdxRepeticion)=sum(diag(MiMatrizConfusionTest))/sum(MiM atrizConfusionTest(:)); end MediasMatricesConfusionVal(:,:,NdxConjunto)=squeeze(mean(MatricesCo nfusionVal,3)); MediasAciertosVal(NdxConjunto)=mean(AciertosVal); MediasMatricesConfusionTest(:,:,NdxConjunto)=squeeze(mean(MatricesC onfusionTest,3)); MediasAciertosTest(NdxConjunto)=mean(AciertosTest); catch MiExcepcion % A veces no se puede clasificar para algún conjunto de rasgos fprintf('Imposible clasificar con el conjunto de rasgos=\r\n'); disp(MiExcepcion.message); disp(MisRasgosElegidos); end % Guardar resultados